Fuzzy neural network applied to gene expression profiling for predicting the prognosis of diffuse large B-cell lymphoma.
Fuzzy neural network applied to gene expression profiling for predicting the prognosis of diffuse large B-cell lymphoma.
复制标题
DOI：
10.1111/j.1349-7006.2002.tb01225.x
复制
发表时间：
2002-11
期刊：
影响因子：
--
通讯作者：
Seto M
中科院分区：
文献类型：
--
作者：
Ando T;Suguro M;Hanai T;Kobayashi T;Honda H;Seto M
弥漫性大B细胞淋巴瘤（DLBCL）是最大的一类侵袭性淋巴瘤。不到50%的患者可以通过联合化疗治愈。微阵列技术最近表明，对化疗的反应反映了DLBCL的分子异质性。在已发表的微阵列数据的基础上，我们试图开发一种期待已久的方法，用于精确和简单地预测DLBCL患者的生存期。我们开发了一个模糊神经网络（FNN）模型来分析DLBCL的基因表达谱数据。从5857个基因的数据中，该模型确定了4个基因（CD10，AA807551，AA805611和IRF-4），可用于预测预后，准确率为93%。FNN是提取影响预后的重要生物学标记物的有力工具，并且适用于任何恶性肿瘤的各种表达谱数据。
Diffuse large B‐cell lymphoma (DLBCL) is the largest category of aggressive lymphomas. Less than 50% of patients can be cured by combination chemotherapy. Microarray technologies have recently shown that the response to chemotherapy reflects the molecular heterogeneity in DLBCL. On the basis of published microarray data, we attempted to develop a long‐overdue method for the precise and simple prediction of survival of DLBCL patients. We developed a fuzzy neural network (FNN) model to analyze gene expression profiling data for DLBCL. From data on 5857 genes, this model identified four genes (CD10, AA807551, AA805611 and IRF‐4) that could be used to predict prognosis with 93% accuracy. FNNs are powerful tools for extracting significant biological markers affecting prognosis, and are applicable to various kinds of expression profiling data for any malignancy.
登录
查看更多内容
影响因子：
11.4
作者：
Harada, S;Suzuki, R;Seto, M
通讯作者：
Seto, M
DOI：
10.1002/mpo.2950220210
发表时间：
1994-01-01
期刊：
MEDICAL AND PEDIATRIC ONCOLOGY
影响因子：
--
作者：
MANDEL, M;RECHAVI, G;RAMOT, B
通讯作者：
RAMOT, B
影响因子：
0.4
作者：
Noguchi, H;Hanai, T;Kobayashi, T
通讯作者：
Kobayashi, T
影响因子：
45.3
作者：
Popat, U;Przepiork, D;van Besien, K
通讯作者：
van Besien, K
影响因子：
64.8
作者：
Alizadeh, AA;Eisen, MB;Staudt, LM
通讯作者：
Staudt, LM