2017 |
Hameed, S S; Hassan, R; Muhammad, F F Pemilihan dan klasifikasi ekspresi gen dalam gangguan autisme: Penggunaan gabungan penapis statistik dan algoritma GBPSO-SVM Artikel Jurnal PLoS SATU, 12 (11), 2017, ISSN: 19326203, (dipetik oleh 11). Abstrak | Pautan | BibTeX | Tag: Ketepatan, Algoritma, Artikel, Autisme, Gangguan Spektrum Autisme, Gen CAPS2, Pengelasan (maklumat), Pengelas, Kajian Eksperimen, Gen, Ekspresi Gen, Pengenalan Gen, Persatuan Genetik, Prosedur Genetik, Risiko Genetik, Genetik, Algoritma Mesin Vektor Sokongan Pengoptimuman Zarah Perduaan Perduaan Geometri, Manusia, Penilaian risiko, Penyeragaman, Penapis Statistik, Parameter Statistik, Statistik, Mesin Vektor Sokongan @artikel{Hameed2017, tajuk = {Pemilihan dan klasifikasi ekspresi gen dalam gangguan autisme: Penggunaan gabungan penapis statistik dan algoritma GBPSO-SVM}, pengarang = {S S Hameed dan R Hassan dan F F Muhammad}, url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-85033361187&doi=10.1371/journal.pone.0187371&rakan kongsi = 40&md5=f9260d41165145f229a3cf157699635e}, doi = {10.1371/jurnal.pone.0187371}, terbitan = {19326203}, tahun = {2017}, tarikh = {2017-01-01}, jurnal = {PLoS SATU}, isi padu = {12}, nombor = {11}, penerbit = {Perpustakaan Awam Sains}, abstrak = {Dalam kerja ini, ekspresi gen dalam gangguan spektrum autisme (ASD) dianalisis dengan matlamat untuk memilih gen yang paling dikaitkan dan melaksanakan pengelasan. Objektif ini dicapai dengan menggunakan gabungan pelbagai penapis statistik dan mesin vektor sokongan pengoptimuman zarah binari geometri berasaskan pembalut (GBPSO-SVM) algoritma. Penggunaan penapis yang berbeza telah diserlahkan dengan memasukkan kriteria nisbah min dan median untuk membuang gen yang sangat serupa. Keputusan menunjukkan bahawa gen yang paling diskriminatif yang dikenal pasti dalam langkah pemilihan pertama dan terakhir termasuk kehadiran gen berulang. (CAPS2), yang ditugaskan sebagai gen yang paling berkaitan dengan risiko ASD. Subset gen gabungan yang dipilih oleh algoritma GBPSO-SVM dapat meningkatkan ketepatan klasifikasi. © 2017 Hameed et al. Ini ialah artikel akses terbuka yang diedarkan di bawah syarat Lesen Atribusi Creative Commons, yang membenarkan penggunaan tanpa had, pengedaran, dan pembiakan dalam mana-mana medium, dengan syarat penulis dan sumber asal dikreditkan.}, nota = {dipetik oleh 11}, kata kunci = {Ketepatan, Algoritma, Artikel, Autisme, Gangguan Spektrum Autisme, Gen CAPS2, Pengelasan (maklumat), Pengelas, Kajian Eksperimen, Gen, Ekspresi Gen, Pengenalan Gen, Persatuan Genetik, Prosedur Genetik, Risiko Genetik, Genetik, Algoritma Mesin Vektor Sokongan Pengoptimuman Zarah Perduaan Perduaan Geometri, Manusia, Penilaian risiko, Penyeragaman, Penapis Statistik, Parameter Statistik, Statistik, Mesin Vektor Sokongan}, pubstate = {diterbitkan}, tppubtype = {artikel} } Dalam kerja ini, ekspresi gen dalam gangguan spektrum autisme (ASD) dianalisis dengan matlamat untuk memilih gen yang paling dikaitkan dan melaksanakan pengelasan. Objektif ini dicapai dengan menggunakan gabungan pelbagai penapis statistik dan mesin vektor sokongan pengoptimuman zarah binari geometri berasaskan pembalut (GBPSO-SVM) algoritma. Penggunaan penapis yang berbeza telah diserlahkan dengan memasukkan kriteria nisbah min dan median untuk membuang gen yang sangat serupa. Keputusan menunjukkan bahawa gen yang paling diskriminatif yang dikenal pasti dalam langkah pemilihan pertama dan terakhir termasuk kehadiran gen berulang. (CAPS2), yang ditugaskan sebagai gen yang paling berkaitan dengan risiko ASD. Subset gen gabungan yang dipilih oleh algoritma GBPSO-SVM dapat meningkatkan ketepatan klasifikasi. © 2017 Hameed et al. Ini ialah artikel akses terbuka yang diedarkan di bawah syarat Lesen Atribusi Creative Commons, yang membenarkan penggunaan tanpa had, pengedaran, dan pembiakan dalam mana-mana medium, dengan syarat penulis dan sumber asal dikreditkan. |
Ujianadminnaacuitm2020-05-28T06:49:14+00:00
2017 |
Pemilihan dan klasifikasi ekspresi gen dalam gangguan autisme: Penggunaan gabungan penapis statistik dan algoritma GBPSO-SVM Artikel Jurnal PLoS SATU, 12 (11), 2017, ISSN: 19326203, (dipetik oleh 11). |