309283_it-IT

liliconcom

Machine Learning e analisi di sottogruppi di biomarcatori per la medicina di precisione

 

Guarda come:

• Comprendere le basi dell'apprendimento automatico
  • Confronta le differenze tra la modellazione statistica utilizzando un campione 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 diversi algoritmi (regressione, modelli ad albero, reti neurali)
  • Modelli che utilizzano diverse impostazioni dei parametri (ricerca griglia, ricerca casuale, algoritmi genetici)
  • Modelli che utilizzano funzionalità diverse (selezione delle funzionalità, estrazione delle funzionalità, ingegneria delle funzionalità)
  • Modelli che distribuiscono set di formazione (bagging, boosting, convalida incrociata 5 volte)
• Comprendere l'uso dell'analisi dei sottogruppi e l'uso dell'identificazione dei sottogruppi (trovare i pazienti corretti per un determinato farmaco) e dei regimi di trattamento ottimali (il miglior farmaco per un dato paziente)
• Usa JMP Genomics
  • Prevedere la morte per sepsi sui dati raccolti al ricovero in ospedale
  • Identificare le firme di espressione molecolare differenziale per i tessuti normali rispetto ai polipi attribuibili al trattamento della terapia di chemioprevenzione nella FAP
  • Utilizzare le analisi dei sottogruppi per trovare misure cliniche o biomarcatori dei metaboliti che esibiscono

• Risorse

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

 

 

 

Modellazione predittiva e apprendimento automatico