309283_zh-CN

liliconcom

精密医学的机器学习和生物标志物子组分析

 

了解如何：

• 了解机器学习的基础
  • 比较使用大量人口数据样本进行的统计建模与数据机制未知的算法建模（机器学习）之间的差异
• 了解4种型号
  • 使用不同算法的模型（回归，基于树的模型，神经网络）
  • 使用不同参数设置的模型（网格搜索，随机搜索，遗传算法）
  • 使用不同特征（特征选择，特征提取，特征工程）的模型
  • 部署训练集的模型（装袋，加强，5倍交叉验证）
• 了解亚组分析的使用和亚组鉴定（为给定药物找到正确的患者）和最佳治疗方案（给定患者的最佳药物）
• 使用JMP基因组学
  • 根据入院时收集的数据预测败血症导致的死亡
  • 识别归因于FAP的化学预防疗法治疗的正常组织与息肉组织的差异分子表达特征
  • 使用亚组分析来发现具有临床表现的代谢物或生物标志物

• 资源资源

  • 集成的临床代谢模型改善了败血症死亡的预测案例分析
  • 有关JMP成功案例描述将JMP基因组学用于所有分析的绝大部分

 

 

 

31+分钟高级基因组学掌握JMP视频