n-dimensional analyses algorithms. The objective of this study was to determine if the commercially available classification algorithm biomarker patterns software (BPS), which is based on a classification and regression tree (CART), would be effective in discriminating ovarian cancer from benign diseases and healthy controls. Serum protein mass spectrum profiles from 139 patients with either ovarian cancer, benign pelvic diseases, or healthy women were analyzed using the BPS software. A decision tree, using five protein peaks resulted in an accuracy of 81.5% in the cross-validation analysis and 80%in a blinded set of samples in differentiating the ovarian cancer from the control groups. The potential, advantages, and drawbacks of the BPS system as a bioinformatic tool for the analysis of the SELDI high-dimensional proteomic data are discussed."> 使用质谱数据的决策树分类诊断卵巢癌 - raybet雷竞app,雷竞技官网下载,雷电竞下载苹果
标识“src=
rayapp
PDF
rayapp /2003/文章
专刊

健康与疾病中的蛋白质组学 - 第二部分

查看本刊

研究文章|开放访问

体积 2003 |文章ID 231929 | https://doi.org/10.1155/s1110724303210032

Antonia Vlahou，John O. Schorge，Betsy W. Gregory，Robert L. Coleman，，，， “使用质谱数据的决策树分类诊断卵巢癌”，国际生物研究，，，， 卷。2003，，，， 文章ID231929，，，， 7 页面，，，， 2003。 https://doi.org/10.1155/s1110724303210032

使用质谱数据的决策树分类诊断卵巢癌

Antonia Vlahou，，，，1，，，，2，，，，4 约翰·奥·肖格（John O. Schorge），，，，3 Betsy W. Gregory，，，，1，，，，2 和 罗伯特·L·科尔曼（Robert L. Coleman）3

1美国诺福克东部弗吉尼亚医学院微生物和分子细胞生物学系，美国弗吉尼亚州23501

2弗吉尼亚前列腺中心，弗吉尼亚东部医学院和诺福克郡诺福克郡的塞塔癌中心，美国弗吉尼亚州23501

3德克萨斯大学达拉斯西南部妇产科肿瘤学系，美国德克萨斯州达拉斯75390

4希腊雅典雅典研究学院生物医学研究基金会

已收到 2002年10月24日
修改 2003年2月16日
公认 2003年2月19日

抽象的

我们的实验室和其他人的最新报告支持Seldi蛋白奇普技术作为一种潜在的临床诊断工具 n - 维分析算法。这项研究的目的是确定基于分类和回归树（CART）的市售分类算法生物标志物模式软件（BPS）是否将有效区分卵巢癌与良性疾病和健康控制。使用BPS软件分析了来自139例卵巢癌，良性骨盆疾病或健康女性的139例患者的血清蛋白质质谱谱。使用五个蛋白质峰的决策树在交叉验证分析中的准确度为81.5％，在盲人样品集将卵巢癌与对照组区分开来的一组样本中，其精度为80％。讨论了BPS系统的潜力，优势和缺点，作为用于分析SELDI高维蛋白质组学数据的生物信息学工具。

版权所有©2003 Hindawi Publishing Corporation。这是在创意共享归因许可证，只要对原始工作进行了适当的提及，允许在任何媒介中不受限制地使用，分发和再现。

更多相关文章

本文尚无相关内容。
PDF 下载引用 引用
订单印刷副本命令
视图662
下载2248
引用

相关文章

本文尚无相关内容。

我们的首席编辑选择了年度最佳奖：2020年杰出研究贡献。阅读获奖文章。