Diagnostic génétique du cancer à l'aide de six types de données de micropuces qui sont représentatives des données de paysage
Professeur émérite de la faculté d'économie de l'Université de Seikei, Shuichi Niimura
Selon le professeur Golub de la faculté de médecine de Harvard et al., "Un diagnostic génétique du cancer à l'aide de données de micropuces qui sont représentatives des données du paysage" est établi depuis plus de 30 ans et il n'y a pas de conclusion claire (question 5 de l'analyse de la discrimination).De nombreux statisticiens soulignent des problèmes qui ne peuvent pas être traités statistiquement.
1 Petit et grand problème p, c’est-à-dire des données >>> n typiques, horizontalement longues.Par exemple, lorsqu'il s'agit de discriminer et de régresser un cancer et que 100 sujets normaux se situent autour de 10 000, il s'agit d'un problème complexe comme la sélection variable.
2 Un oncogène efficace pour la discrimination est masqué par le bruit de grande dimension restant et ne peut pas être bien séparé.
Et ainsi de suite.
Après avoir obtenu mon diplôme universitaire en 1971, j'ai développé la logique du système de diagnostic automatique de l'électrocardiogramme avec le LDF de Fisher au centre de traitement des maladies des adultes d'Osaka Food, mais cela ne satisfaisait pas la logique du médecin.Cette expérience considère que la théorie de la discrimination statistique est inappropriée pour le diagnostic médical et repose sur la fonction discriminante linéaire optimale basée sur le standard du nombre minimal d'erreurs de classification (MNM) par méthode de programmation mathématique et par "méthode de validation croisée de 100 fois (méthode 1) pour un petit échantillon" "Et" Matriochka Feature Selection Method (Method 2) "pour résoudre les cinq problèmes de l'analyse discriminante.Le problème 5, qui ne peut pas être résolu en 30 ans, a été résolu par la méthode 2 en seulement 54 jours.Dans les données de la puce à ADN, la normalité et les anomalies peuvent être complètement différenciées d'un ensemble de gènes bien inférieur à n (100) dans le nombre d'éléments de données, et de dizaines de sommes exclusives (Small Matryoshka, SM) de telles paires de gènes (Small Matryoshka, SM) Il a été possible de séparer complètement l'ensemble et l'espace de bruit de grande dimension restant.Celles-ci ont été publiées par Springer.Ensuite, nous décrivons la première création réussie d’indice de cancer par cancer du monde en analysant tous les MS obtenus par analyse unilatérale de la variance par JMP, analyse par grappes, ACP, fonction discriminante statistique.Ces résultats ont été compilés et publiés dans la version Amazon Kindle (de l'analyse du gène du cancer au diagnostic de gène du cancer, 1200 yens).
