Applications of Support Vector Machine (SVM) Learning in Cancer Genomics

2018· review· en· 1 539 citations· W2778455075 sur OpenAlex· 10.21873/cgp.20063

Pourquoi ce travail est-il dans la base ?

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

Affiliation canadienneUne personne signataire a déclaré un établissement canadien. C'est la seule voie dont dispose la base habituelle.

Organisme subventionnaire canadienUn organisme canadien l'a financé. Le travail peut ne porter aucune affiliation canadienne.

Scores machine (provisoires)

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Tête enseignante Opus0,031

Tête enseignante GPT0,339

Écart entre enseignants: 0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation: score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Résumé

Machine learning with maximization (support) of separating margin (vector), called support vector machine (SVM) learning, is a powerful classification tool that has been used for cancer genomic classification or subtyping. Today, as advancements in high-throughput technologies lead to production of large amounts of genomic and epigenomic data, the classification feature of SVMs is expanding its use in cancer genomics, leading to the discovery of new biomarkers, new drug targets, and a better understanding of cancer driver genes. Herein we reviewed the recent progress of SVMs in cancer genomic studies. We intend to comprehend the strength of the SVM learning and its future perspective in cancer genomic applications.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

La notice

Revue: Cancer Genomics & Proteomics
Thématique: Gene expression and cancer classification
Domaine: Biochemistry, Genetics and Molecular Biology
Établissements canadiens: University of ManitobaResearch Institute in Oncology and HematologyCancerCare Manitoba
Organismes subventionnaires: CancerCare Manitoba Foundation
Mots-clés: Support vector machineArtificial intelligenceComputer scienceGenomicsMachine learningEpigenomicsFeature (linguistics)Margin (machine learning)Computational biologyGenomeBiologyGeneGene expressionGeneticsDNA methylation
Résumé présent dans OpenAlex: oui
API: /api/v1/works/W2778455075