309283_it-IT

liliconcom

Apprendimento automatico e analisi dei sottogruppi di biomarcatori per la medicina di precisione

 

Guarda come:

• Comprendere le basi dell'apprendimento automatico
  • Confronta le differenze tra la modellazione statistica utilizzando campioni di dati da una popolazione più ampia e la modellazione algoritmica (apprendimento automatico) in cui il meccanismo dei dati è sconosciuto
• Comprendi 4 tipi di modelli
  • Modelli che utilizzano algoritmi diversi (regressione, modelli basati su alberi, reti neurali)
  • Modelli che utilizzano diverse impostazioni dei parametri (ricerca griglia, ricerca casuale, algoritmi genetici)
  • Modelli che utilizzano caratteristiche diverse (selezione delle caratteristiche, estrazione delle caratteristiche, ingegneria delle caratteristiche)
  • Modelli che distribuiscono set di formazione (insacco, potenziamento, convalida incrociata 5 volte)
• Comprendere l'uso dell'analisi dei sottogruppi e l'identificazione dei sottogruppi (trovare i pazienti corretti per un dato farmaco) e i regimi di trattamento ottimali (il miglior farmaco per un dato paziente)
• Usa JMP Genomics
  • Per prevedere la morte per sepsi sui dati raccolti al ricovero in ospedale
  • Identificare le firme di espressione molecolare differenziale per tessuti normali e polipi attribuibili al trattamento della terapia di chemioprevenzione nella FAP
  • Utilizzare le analisi dei sottogruppi per trovare misure cliniche o biomarcatori dei metaboliti che presentano

• Risorse

  • Un modello clinico-metabolomico integrato migliora la previsione della morte nella sepsi argomento di studio
  • Relazionato Storia di successo di JMP descrivere l'uso di JMP Genomics per la stragrande maggioranza di tutte le analisi

 

 

 

31+ minAvanzateGenomicaPadroneggiare JMPvideo