-
题名组学时代下机器学习方法在临床决策支持中的应用
被引量：11
- 1
-
-
作者
赵学彤
杨亚东
渠鸿竹
方向东
-
机构
中国科学院北京基因组研究所
中国科学院大学
-
出处
《遗传》
CAS
CSCD
北大核心
2018年第9期693-703,共11页
-
基金
国家“精准医学研究”重点研发计划项目(编号:2016YFC0901700,2016YFC0901603,2017YFC0907502,2017YFC0908402,2017YFC0907405)资助。
-
文摘
随着组学技术的不断发展,对于不同层次和类型的生物数据的获取方法日益成熟。在疾病诊治过程中会产生大量数据,通过机器学习等人工智能方法解析复杂、多维、多尺度的疾病大数据,构建临床决策支持工具,辅助医生寻找快速且有效的疾病诊疗方案是非常必要的。在此过程中,机器学习等人工智能方法的选择显得尤为重要。基于此,本文首先从类型和算法角度对临床决策支持领域中常用的机器学习等方法进行简要综述,分别介绍了支持向量机、逻辑回归、聚类算法、Bagging、随机森林和深度学习,对机器学习等方法在临床决策支持中的应用做了相应总结和分类,并对它们的优势和不足分别进行讨论和阐述,为临床决策支持中机器学习等人工智能方法的选择提供有效参考。
-
关键词
疾病
机器学习
人工智能
临床决策支持
-
Keywords
diseases
machine learning
artificial intelligence
clinical decision support
-
分类号
R-05
[医药卫生]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名痛风的多组学研究进展
被引量：4
- 2
-
-
作者
时文睿
渠鸿竹
方向东
-
机构
中国科学院北京基因组研究所(国家生物信息中心)
中国科学院大学
基因组与精准医学检测技术北京市重点实验室
-
出处
《遗传》
CAS
CSCD
北大核心
2023年第8期643-657,共15页
-
基金
国家重点研发计划项目(编号:2022YFC2503304)
国家自然科学基金(编号:82220108015)资助。
-
文摘
痛风是一种由尿酸盐结晶沉积引起的自限性炎症疾病,伴有多种合并症。随着生活水平的提高,痛风在全球的发病率逐年上升,严重影响人民健康。组学技术是研究疾病的有效工具,已被广泛应用于发现痛风的潜在生物标志物和风险因子,其鉴定出的变异位点或差异表达产物为研究痛风的发病机制和疾病进展提供了不同维度的见解和认识。本文通过PubMed检索相关文献,分析和总结了多组学技术在痛风中的应用和研究结果,对近年来多组学技术在痛风领域的相关研究进展进行综述,以期了解痛风患者在不同分子层次上的特异性变化,为今后更深入地研究痛风提供思路和方向。
-
关键词
痛风
基因组学
表观基因组学
转录组学
蛋白组学
代谢组学
-
Keywords
gout
genomics
epigenomics
transcriptomics
proteomics
metabolomics
-
分类号
R589.7
[医药卫生—内分泌]
-
-
题名组学大数据和医学人工智能
被引量：8
- 3
-
-
作者
王昕玥
渠鸿竹
方向东
-
机构
中国科学院北京基因组研究所(国家生物信息中心)
中国科学院大学
中国科学院北京基因组研究所(国家生物信息中心)
-
出处
《遗传》
CAS
CSCD
北大核心
2021年第10期930-937,共8页
-
基金
科技部重点研发计划(编号:2020YFC2003405,2016YFC0901700,2018YFC0910700)资助。
-
文摘
随着高通量测序技术和计算机科学的飞速发展,组学数据量指数倍增长,多组学分析优势逐渐显现,人工智能应用也愈加广泛。本文介绍了近年来多组学数据分析和人工智能各自在医学领域的应用进展,同时也介绍了两者相结合应用的案例以及优势,最后简单阐述多组学分析和人工智能在现阶段面临的挑战,旨在为医学行业提供新的研究思路,助推精准医学发展应用。
-
关键词
多组学
人工智能
医学
精准医学
-
Keywords
multi-omics
artificial intelligence
medicine
precision medicine
-
分类号
R-05
[医药卫生]
TP311.13
[自动化与计算机技术—计算机软件与理论]
TP18
[自动化与计算机技术—计算机科学与技术]
-
