Deep Learning and Machine Learning Approaches to Classify Stomach Distant Metastatic Tumors Using DNA Methylation Profiles

DNA甲基化 人工智能 计算机科学 甲基化 DNA 深度学习 计算生物学 机器学习 生物 医学 基因 内科学 遗传学 基因表达
作者
Jianxin Shi,Ying Chen,Ying Wang
出处
期刊:Computers in Biology and Medicine [Elsevier]
卷期号:175: 108496-108496
标识
DOI:10.1016/j.compbiomed.2024.108496
摘要

Distant metastasis of cancer is a significant contributor to cancer-related complications, and early identification of unidentified stomach adenocarcinoma is crucial for a positive prognosis. Changes inDNA methylation are being increasingly recognized as a crucial factor in predicting cancer progression. Within this research, we developed machine learning and deep learning models for distinguishing distant metastasis in samples of stomach adenocarcinoma based on DNA methylation profile. Employing deep neural networks (DNN), support vector machines (SVM), random forest (RF), Naive Bayes (NB) and decision tree (DT), and models for forecasting distant metastasis in stomach adenocarcinoma. The results show that the performance of DNN is better than that of other models, AUC and AUPR achieving 99.9 % and 99.5 % respectively. Additionally, a weighted random sampling technique was utilized to address the issue of imbalanced datasets, enabling the identification of crucial methylation markers associated with functionally significant genes in stomach distant metastasis tumors with greater performance.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
蝴蝶完成签到 ,获得积分10
1秒前
无私小小完成签到,获得积分10
1秒前
福荔完成签到 ,获得积分10
1秒前
王QQ完成签到 ,获得积分10
4秒前
CodeCraft应助酷炫书芹采纳,获得10
4秒前
韭菜发布了新的文献求助10
4秒前
刘刘完成签到,获得积分10
6秒前
liuhan完成签到 ,获得积分10
8秒前
清秀龙猫完成签到 ,获得积分10
9秒前
Kamal完成签到,获得积分10
9秒前
赘婿应助韭菜采纳,获得10
11秒前
11秒前
儒雅涵易完成签到 ,获得积分10
11秒前
魔幻千秋完成签到,获得积分0
14秒前
GuangboXia发布了新的文献求助200
15秒前
bopbopbaby完成签到 ,获得积分10
18秒前
满意代亦完成签到 ,获得积分10
21秒前
上下完成签到 ,获得积分10
22秒前
一只小鲨鱼完成签到,获得积分10
22秒前
i好运发布了新的文献求助10
24秒前
jing216完成签到 ,获得积分10
25秒前
11完成签到 ,获得积分0
26秒前
流星雨完成签到 ,获得积分10
27秒前
博林大师完成签到,获得积分10
28秒前
yk完成签到 ,获得积分10
28秒前
Ida完成签到 ,获得积分10
28秒前
hyf完成签到,获得积分10
29秒前
来到火山口的大企鹅完成签到,获得积分10
31秒前
lovekobe完成签到,获得积分20
32秒前
32秒前
浮熙完成签到 ,获得积分10
32秒前
yi完成签到 ,获得积分10
33秒前
Kriemhild应助i好运采纳,获得10
33秒前
27完成签到 ,获得积分10
33秒前
科研小狗完成签到,获得积分10
39秒前
39秒前
椰子完成签到 ,获得积分20
42秒前
欢呼菀完成签到 ,获得积分10
43秒前
大侦探天奈应助科研小狗采纳,获得10
43秒前
韭菜发布了新的文献求助10
43秒前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052675
求助须知:如何正确求助?哪些是违规求助? 2709898
关于积分的说明 7418335
捐赠科研通 2354494
什么是DOI,文献DOI怎么找? 1246139
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921