ridm@nrct.go.th   ระบบคลังข้อมูลงานวิจัยไทย   รายการโปรดที่คุณเลือกไว้

Biomarker selection and classification of "- Omics " data using a two-step bayes classification framework

หน่วยงาน สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์

รายละเอียด

ชื่อเรื่อง : Biomarker selection and classification of "- Omics " data using a two-step bayes classification framework
นักวิจัย : Anunchai Assawamakin , Supakit Prueksaaroon , Supasak Kulawonganunchai , Shaw, Philip James A , Vara Varavithya , Taneth Ruangrajitpakorn , Sissades Tongsima
คำค้น : Biological marker , Accuracy , Animal tissue , Bayesian learning , Breast cancer , Classification
หน่วยงาน : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์
ผู้ร่วมงาน : -
ปีพิมพ์ : 2556
อ้างอิง : BioMed Research International. 2013 (2013) Art. no. 148014 , 2314-6133 , http://dspace.library.tu.ac.th/handle/3517/7076
ที่มา : -
ความเชี่ยวชาญ : -
ความสัมพันธ์ : -
ขอบเขตของเนื้อหา : -
บทคัดย่อ/คำอธิบาย :

Identification of suitable biomarkers for accurate prediction of phenotypic outcomes is a goal for personalized medicine. However, current machine learning approaches are either too complex or perform poorly. Here, a novel two-step machine-learning framework is presented to address this need. First, a Naïve Bayes estimator is used to rank features from which the top-ranked will most likely contain the most informative features for prediction of the underlying biological classes. The top-ranked features are then used in a Hidden Naïve Bayes classifier to construct a classification prediction model from these filtered attributes. In order to obtain the minimum set of the most informative biomarkers, the bottom-ranked features are successively removed from the Naïve Bayes-filtered feature list one at a time, and the classification accuracy of the Hidden Naïve Bayes classifier is checked for each pruned feature set. The performance of the proposed two-step Bayes classification framework was tested on different types of -omics datasets including gene expression microarray, single nucleotide polymorphism microarray (SNParray), and surface-enhanced laser desorption/ionization time-of-flight (SELDI-TOF) proteomic data. The proposed two-step Bayes classification framework was equal to and, in some cases, outperformed other classification methods in terms of prediction accuracy, minimum number of classification markers, and computational time. © 2013 Anunchai Assawamakin et al.

บรรณานุกรม :
Anunchai Assawamakin , Supakit Prueksaaroon , Supasak Kulawonganunchai , Shaw, Philip James A , Vara Varavithya , Taneth Ruangrajitpakorn , Sissades Tongsima . (2556). Biomarker selection and classification of "- Omics " data using a two-step bayes classification framework.
    กรุงเทพมหานคร : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์ .
Anunchai Assawamakin , Supakit Prueksaaroon , Supasak Kulawonganunchai , Shaw, Philip James A , Vara Varavithya , Taneth Ruangrajitpakorn , Sissades Tongsima . 2556. "Biomarker selection and classification of "- Omics " data using a two-step bayes classification framework".
    กรุงเทพมหานคร : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์ .
Anunchai Assawamakin , Supakit Prueksaaroon , Supasak Kulawonganunchai , Shaw, Philip James A , Vara Varavithya , Taneth Ruangrajitpakorn , Sissades Tongsima . "Biomarker selection and classification of "- Omics " data using a two-step bayes classification framework."
    กรุงเทพมหานคร : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์ , 2556. Print.
Anunchai Assawamakin , Supakit Prueksaaroon , Supasak Kulawonganunchai , Shaw, Philip James A , Vara Varavithya , Taneth Ruangrajitpakorn , Sissades Tongsima . Biomarker selection and classification of "- Omics " data using a two-step bayes classification framework. กรุงเทพมหานคร : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์ ; 2556.