Key points are not available for this paper at this time.
동기 및 결과: 질병과 유의미한 관련이 있는 유전자 그룹은 일련의 유전자 발현 실험을 수행하여 감지할 수 있습니다. 이 작업의 목표는 다음 속성을 충족하는 특수 유형의 유전자 그룹을 발견하는 것입니다. 각 그룹에서 그 구성원 유전자는 한 종류의 세포에서 큰 빈도로 미리 정해진 유전자 발현 수준의 구간에 일대일로 포함되어 있지만, 다른 종류의 세포에서는 이러한 구간에서 일치하여 발견되지 않습니다. 우리는 이러한 유전자 그룹을 진화 패턴(emerging patterns)이라고 부르며, 두 종류 세포 간의 패턴 빈도의 변화를 강조합니다. 우리는 가장 구별력이 있는 유전자들을 얻기 위해 효과적인 이산화 및 유전자 선택 방법을 사용합니다. 또한 이러한 유전자에서 패턴을 도출하기 위해 효율적인 알고리즘을 사용합니다. ALL/AML 데이터셋과 대장 종양 데이터셋에 대한 우리의 연구에 따르면, 하나 이상의 유전자로 구성된 일부 패턴은 90% 또는 심지어 100%라는 높은 빈도에 도달할 수 있습니다. 즉, 이들은 다른 종류의 세포에서는 드물게 발생하더라도 한 종류의 세포에서 거의 완전히 지배하게 됩니다. 발견된 패턴은 다른 보고된 방법보다 높은 정확도로 새로운 세포를 분류하는 데 사용됩니다. 이러한 패턴을 기반으로, 우리는 몇 개의 유전자 발현 수준을 조절하여 대장 종양 세포를 정상 세포로 변환하는 개인 맞춤형 치료 계획의 가능성을 추측합니다.
Li et al. (수요일), 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: