- 询价
- 基于机器学习算法的多组学疾病诊断/肿瘤预后预测模型
- 全国
- 2026年01月27日
9 年钻石会员
企业认证
相关产品推荐更多 >
万千商家帮你免费找货
0 人在求购买到急需产品
- 详细信息
- 询价记录
- 文献和实验
- 技术资料
- 提供商：
研载生物科技
- 服务名称：
基于机器学习算法的多组学疾病诊断/肿瘤预后预测模型
基于机器学习算法的多组学疾病诊断/肿瘤预后预测模型
1 分析目的构建合适的机器学习模型，对样本是否为疾病样本进行预测，或预测肿瘤病人的预后信息（1/3/5年生存率）
2 数据来源
基因表达谱、拷贝数变异数据、甲基化数据、转录调控数据等多组学数据
3 分析方法
将多个组学数据的公共数据集随机划分为训练集和测试集，在训练集上，我们综合考虑预后相关的多组学基因特征，训练基于随机森林、逻辑回归等算法的疾病诊断模型或预后风险评估模型。
对于疾病诊断模型，我们对测试集中的每个样本做概率预测，与真实样本数据对比，用ROC曲线和AUC值做模型的评估。对于预后风险评估模型，我们根据训练好的风险模型计算测试集中的每个样本的Risk score，并以中位数为标准划分高风险组和低风险组，做K-M生存分析，检查是否有统计上的差异性。此外，我们用这一Risk score为标准预测测试集中病人的1/3/5年生存率，用ROC曲线和AUC值做模型的评估。
4 交付文件
（1）训练集与测试集的随机划分结果（Excel）
（2）随机森林、逻辑回归模型的具体参数
（3）测试集每一个样本的风险分值以及高风险/低风险分组（Excel）
（4）模型重要性排序图；模型评估结果：KM生存曲线以及ROC曲线图
5分析结果示例图
【欢迎来电/邮件咨询】
联系人：刘经理
电话：021-54376058
手机：13917998048 (7:00-24:00, 周末节假日不休)
邮箱：yanzaibio@yihaowan.cn, yanzaibio@163.com
官网：www.yihaowan.com.cn
地址： 上海市闵行区放鹤路1088号博济科技园6号楼109室
风险提示：丁香通仅作为第三方平台，为商家信息发布提供平台空间。用户咨询产品时请注意保护个人信息及财产安全，合理判断，谨慎选购商品，商家和用户对交易行为负责。对于医疗器械类产品，请先查证核实企业经营资质和医疗器械产品注册证情况。
- 作者
- 内容
- 询问日期
文献和实验相关实验
科研打工人的福音！Nature报道这项新技术，你以后再也不用做荧光染色了
现在他们面前的结果是所有的细胞都死了。那么有没有不损害细胞的方式？利用投射白光（明视野显微镜）来进行细胞成像就不依赖于标记，因此避免了荧光显微镜的一些问题。但是，对比度的降低会无法辨别大多数细胞结构。 华盛顿西雅图艾伦细胞科学研究所副主任，定量生物学家 Susanne Rafelski 和她的同事试图解决这个难题，他们希望将以上两种技术的优势结合起来，既能够标记细胞中许多不同的结构，又能够做到实时 3D 成像。 2017 年，Rafelski 团队的机器学习专家 Gregory Johnson 提出
片段，改变了传统的每次只能检测一个基因的情况，因此能大大提高检测效率，降低检测成本，并保证了检测质量。基因芯片技术可广泛应用于疾病诊断和治疗、药物筛选、农作物的优育优选、司法鉴定、食品卫生监督、环境检测、国防、航天等许多领域。它将为人类认识生命的起源、遗传 、发育与进化、为人类疾病的诊断、治疗和防治开辟全新的途径，为生物大分子的全新设计和药物开发中先导化合物的快速筛选和药物基因组学研究提供技术支撑平台。 通过基因表达谱的研究可以进行进一步的理论研究或应用研究。 1、理论研究
基于机器学习算法的多组学疾病诊断/肿瘤预后预测模型
询价
