机构名称：
¥ 1.0
摘要：本文介绍了一种非线性方法，用于识别 CpG DNA 甲基化数据组合作为阿尔茨海默病 (AD) 的生物标记。本文将展示所提出的算法可以大幅减少使用的 CpG 数量，同时生成的预测比使用所有可用的 CpG 更准确。假设该过程原则上可以是非线性的；因此，非线性方法可能更合适。所提出的算法选择将哪些 CpG 用作分类问题的输入数据，该分类问题试图区分患有 AD 的患者和健康对照个体。这种类型的分类问题适用于支持向量机等技术。该算法既可用于单个数据集级别，也可用于多个数据集。开发适用于多数据集的稳健算法具有挑战性，因为实验室程序中的细微差异会对获得的数据产生影响。本文中采用的方法可以扩展到多个数据集，从而可以逐步更细致地了解底层过程。使用所提出的方法，获得了 92% 的成功分类率，这一值高于使用所有可用 CpG 获得的结果。这可能是由于该算法降低了数据维度，从而有助于降低达到局部最小值的风险。
通过 DNA 甲基化和人工智能技术识别阿尔茨海默病
主要关键词
相关文件推荐
