Robuste Merkmalsselektion von Microarray-Expressionsdaten
Anwendung auf aggregierte Tumordaten
Versandkostenfrei!
Versandfertig in 6-10 Tagen
59,00 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
Die Bestimmung differentiell exprimierter Genezwischen zwei phänotypischen Ausprägungen einesMerkmals führt in vielen Untersuchungen zurKonstruktion eines Klassifikators, mit welchem fürdie durchgeführten Experimente optimal dieKlassenzugehörigkeit bestimmt werden kann. Dennochzeigen Vergleiche zwischen den Klassifikatorenunterschiedlicher Studien, die dieselben Datensätzeverwenden, kaum Übereinstimmungen. Dies wirft dieFrage auf, welche der selektierten Gene einebiologische Relevanz haben und wie robustMerkmalsselktionsalgorithmen tatsächlich sind? Dierobuste Merkmalsselektion kombin...
Die Bestimmung differentiell exprimierter Gene
zwischen zwei phänotypischen Ausprägungen eines
Merkmals führt in vielen Untersuchungen zur
Konstruktion eines Klassifikators, mit welchem für
die durchgeführten Experimente optimal die
Klassenzugehörigkeit bestimmt werden kann. Dennoch
zeigen Vergleiche zwischen den Klassifikatoren
unterschiedlicher Studien, die dieselben Datensätze
verwenden, kaum Übereinstimmungen. Dies wirft die
Frage auf, welche der selektierten Gene eine
biologische Relevanz haben und wie robust
Merkmalsselktionsalgorithmen tatsächlich sind? Die
robuste Merkmalsselektion kombiniert die Signale der
biologisch relevanten Gene in verschiedenen
Datensätzen und liefert somit vielversprechende
Hinweise auf die genetische Grundlage des
untersuchten Phänotyps. Durch Anwendung des
Verfahrens auf Karzinomdatensätze, die sich im
Merkmal der Metastasenausbildung unterscheiden,
konnten bisher unbekannte Zusammenhänge zwischen
Genexpressionsmustern und der Metastasenbildung
aufgedeckt werden.
zwischen zwei phänotypischen Ausprägungen eines
Merkmals führt in vielen Untersuchungen zur
Konstruktion eines Klassifikators, mit welchem für
die durchgeführten Experimente optimal die
Klassenzugehörigkeit bestimmt werden kann. Dennoch
zeigen Vergleiche zwischen den Klassifikatoren
unterschiedlicher Studien, die dieselben Datensätze
verwenden, kaum Übereinstimmungen. Dies wirft die
Frage auf, welche der selektierten Gene eine
biologische Relevanz haben und wie robust
Merkmalsselktionsalgorithmen tatsächlich sind? Die
robuste Merkmalsselektion kombiniert die Signale der
biologisch relevanten Gene in verschiedenen
Datensätzen und liefert somit vielversprechende
Hinweise auf die genetische Grundlage des
untersuchten Phänotyps. Durch Anwendung des
Verfahrens auf Karzinomdatensätze, die sich im
Merkmal der Metastasenausbildung unterscheiden,
konnten bisher unbekannte Zusammenhänge zwischen
Genexpressionsmustern und der Metastasenbildung
aufgedeckt werden.
Andere Kunden interessierten sich für
