生物信息学分析--诊断模型构建

 

       21世纪以基因芯片技术和高通量测序技术为代表，宣告着生命科学研究进入高通量的基因组学时代。面对这些庞大的海量数据，生物信息学为此提供了较好的解决方案。生物信息学综合生命科学，数学和计算机方法，主要采用多种人工智能算法：遗传算法，人工神经网络、支持向量机等算法来构建疾病预测诊断模型。

 

服务内容
 

1、R语言，GEO\TCGA原始数据整理。
2、R语言统计分析，t检验差异基因筛选。
3、Matlab遗传算法变量筛选。
4、BP、LVQ神经网络、支持向量机等模型构建。
5、独立样本模型验证。

 
 

一、针对前列腺癌样本，选取GEO数据库中Taylor数据集，构建基于基因芯片数据的PCa诊断模型。根据不同建模目的，应用多种统计方法及智能算法筛选差异表达基因。

 

二、根据数据特点选取适合的智能算法建立诊断模型，并用独立样本验证模型结果。 
 

三、诊断模型结果评估，ROC曲线。 
 

四、应用诊断模型进行预后预测。

 

文献案例
 

       文章通过前列腺癌基质中差异表达的基因，成功构建PCa诊断模型。表一展示训练集测试集分别含有的样本量和数据来源。表2包含训练集和测试集的样本个数和对应的准确率。图2中画出在诊断模型的训练集包含的131个探针中的2个主成分。相关步骤在R语言LIMMA包中实现，建模方法为PAM。
 

Jia Z, Wang Y, Sawyers A, et al. Diagnosis of Prostate Cancer Using Differentially Expressed Genes in Stroma[J]. Cancer Research, 2011, 71(7):2476-2487.

诊断模型构建信息由广州辉园苑医药科技有限公司为您提供，如您想了解更多关于诊断模型构建报价、型号、参数等信息，欢迎来电或留言咨询。

注：该产品未在中华人民共和国食品药品监督管理部门申请医疗器械注册和备案，不可用于临床诊断或治疗等相关用途