Machine learning to detect signatures of disease in liquid biopsies - a user's guide.
Machine learning to detect signatures of disease in liquid biopsies - a user's guide.
复制标题
DOI：
10.1039/c7lc00955k
复制
发表时间：
2018-01-30
期刊：
影响因子：
6.1
通讯作者：
Issadore D
中科院分区：
文献类型：
--
作者：
Ko J;Baldassano SN;Loh PL;Kording K;Litt B;Issadore D
从易于获取的体液（例如血液、尿液和唾液）中测量稀疏分子生物标志物的新技术正在彻底改变疾病诊断和精准医学。微芯片设备每年可以以更好的灵敏度和特异性测量更多的疾病生物标志物，但这些生物标志物的临床解释仍然是一个挑战。由于个体间表型和疾病表达的异质性，“液体活检”中的单一生物标志物通常不能准确预测疾病的状态。为了应对这一挑战，研究人员正在结合不同生物标志物的多重测量，这些生物标志物共同定义了特定疾病状态的稳健特征。机器学习是自动发现和检测这些特征的有用工具，特别是随着新技术输出越来越多的分子数据。在本文中，我们回顾了机器学习应用于分子诊断领域的现状，并为有效使用这一工具和避免常见陷阱提供了实用指导。
New technologies that measure sparse molecular biomarkers from easily accessible bodily fluids (e.g. blood, urine, and saliva) are revolutionizing disease diagnostics and precision medicine. Microchip devices can measure more disease biomarkers with better sensitivity and specificity each year, but clinical interpretation of these biomarkers remains a challenge. Single biomarkers in ‘liquid biopsy’ often cannot accurately predict the state of a disease due to heterogeneity in phenotype and disease expression across individuals. To address this challenge, investigators are combining multiplexed measurements of different biomarkers that together define robust signatures for specific disease states. Machine learning is a useful tool to automatically discover and detect these signatures, especially as new technologies output increasing quantities of molecular data. In this paper, we review the state of the field of machine learning applied to molecular diagnostics and provide practical guidance to use this tool effectively and to avoid common pitfalls.
登录
查看更多内容
基于纳米线的拓扑超导体-量子点混合器件中零偏置电导峰的奇偶独立性
影响因子：
4.6
作者：
Deng MT;Yu CL;Huang GY;Larsson M;Caroff P;Xu HQ
通讯作者：
Xu HQ
影响因子：
120.7
作者：
Eastham, JA;Riedel, E;Begg, CB
通讯作者：
Begg, CB
DOI：
10.1098/rsta.2012.0222
发表时间：
2013-02-13
期刊：
Philosophical transactions. Series A, Mathematical, physical, and engineering sciences
影响因子：
--
作者：
Bishop CM
通讯作者：
Bishop CM
DOI：
10.1200/jco.2012.45.2011
发表时间：
2014-02-20
期刊：
Journal of clinical oncology : official journal of the American Society of Clinical Oncology
影响因子：
--
作者：
Diaz LA Jr;Bardelli A
通讯作者：
Bardelli A
影响因子：
3
作者：
Díaz-Uriarte R;Alvarez de Andrés S
通讯作者：
Alvarez de Andrés S