KR20030083284A - 급성 백혈병의 종류 분석 방법 - Google Patents
급성 백혈병의 종류 분석 방법 Download PDFInfo
- Publication number
- KR20030083284A KR20030083284A KR1020020021756A KR20020021756A KR20030083284A KR 20030083284 A KR20030083284 A KR 20030083284A KR 1020020021756 A KR1020020021756 A KR 1020020021756A KR 20020021756 A KR20020021756 A KR 20020021756A KR 20030083284 A KR20030083284 A KR 20030083284A
- Authority
- KR
- South Korea
- Prior art keywords
- genes
- leukemia
- acute
- acute leukemia
- chip data
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
- G01N33/57407—Specifically defined cancers
- G01N33/57426—Specifically defined cancers leukemia
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hematology (AREA)
- Immunology (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Urology & Nephrology (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Microbiology (AREA)
- Physics & Mathematics (AREA)
- Biotechnology (AREA)
- Oncology (AREA)
- Hospice & Palliative Care (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Cell Biology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
본 발명은 급성 백혈병의 종류 분석 방법에 관한 것으로, 개시된 일실시예에 따르면 급성 백혈병의 종류를 구분하고자 하는 급성 백혈병 환자의 DNA 칩 데이터를 획득하는 단계와, 획득된 DNA 칩 데이터를 급성 림프구성 백혈병과 급성 골수성 백혈병에 대하여 스튜던트 T-시험을 거쳐 유전자 발현 패턴이 백혈병의 종류에 관계없이 일정한 유전자를 제거하는 단계와, DNA 칩 데이터로부터 윌크 람다값을 계산하여 전체 유전자의 순위를 결정하는 단계와, 결정된 순위에 의거하여 상위 특정개의 유전자를 선정한 뒤 이 유전자들을 이용하여 스텝와이즈 판별 분석을 수행하는 단계와, 스텝와이즈 판별 분석을 더 이상의 유전자가 제거되지 않을 때까지 반복적으로 수행하여 소정 개의 유전자를 선정하는 단계와, 선정된 유전자들에 대하여 리니어 판별 분석을 수행하여 급성 백혈병의 종류를 구분하는 단계를 포함하며, 급성 백혈병의 종류 구분을 위하여 선정하는 유전자의 개수를 최소화함으로써, 종래 기술에서 발생된 차원성의 저주, 오버 피팅 등의 문제가 해소되는 이점이 있다.
Description
본 발명은 급성 백혈병의 종류 분석 방법에 관한 것으로, 더욱 상세하게는 다변량 통계기법을 급성 백혈병에 대한 DNA 칩 데이터에 적용하여 소정의 유전자를 찾아낸 후 급성 백혈병을 구분할 수 있도록 한 급성 백혈병의 종류 분석 방법에 관한 것이다.
백혈병은 조혈기(조혈조직)의 암이라고 할 수 있는 질병으로, 백혈이란 흰 피를 뜻하는데, 이 질환의 발견자 R.피르호가 1846년 환자를 부검했을 때 피가 희게 보인 데서 이렇게 명명했다. 그 후 조직의 변화는 같으면서 혈액 속의 백혈구가 거의 증가하지 않는 경우가 있는 것이 알려졌다. 이것을 비백혈성 백혈병이라고 한다.
유혈 속에 나타나는 세포의 종류에 따라 림프성, 골수성, 단구성 등으로 분류하고, 임상경과에서 급성과 만성으로 나눈다.
급성 백혈병은 크게 급성 림프구성 백혈병(Acute Lymphoblasitc Leukemia, ALL)과 급성 골수성 백혈병(Acute Myeloid Leukemia, AML)으로 나뉘며, 이러한 두 가지 종류의 급성 백혈병은 서로 다른 메커니즘에 의해 발병하게 되므로 치료제나 치료 방법 등이 다르다.
그러나, 병리학적 혹은 조직학적으로 급성 백혈병의 종류를 구분할 수 있는 기준이 명확하지 않으므로 환자에 대한 적절한 처방이 제대로 이루어지지 않고 있는 실정이다.
최근의 DNA 마이크로어레이(Microarray) 기술은 수많은 유전자의 정보를 제공함으로써, 유전자 수준에서 질병을 진단, 분류할 수 있는 분류기(Classifier)의 개발을 가능하게 했다.
종래 기술에서는 수천 개의 유전자로부터 통계적, 생물학적으로 중요하다고 생각되는 수십, 수백 개의 유전자를 선택하여 질병의 분류에 사용하였다.
그러나, DNA 칩 데이터는 유전자의 개수에 비하여 환자로부터 추출한 샘플의 개수가 너무 적기 때문에 분석에 사용되는 유전자의 수가 많을수록 차원성의 저주(curse of dimensionality), 오버 피팅(over- fitting) 등의 문제가 발생하기 쉽다는 문제점을 가지고 있다.
본 발명은 이와 같은 종래의 문제점을 해결하기 위하여 제안한 것으로, 두 가지의 다변량 통계기법을 급성 백혈병에 대한 DNA 칩 데이터에 적용하여 소정의 유전자를 찾아낸 후 급성 백혈병을 구분할 수 있도록 한 급성 백혈병의 종류 분석 방법을 제공하는 데 그 목적이 있다.
상기한 목적을 달성하기 위한 본 발명의 한 견지로서 급성 백혈병의 종류 분석 방법은, 패턴 인식(pattern recognition) 기법으로 알려져 있는 리니어 판별 분석을 응용하여 급성 백혈병 구분에 유용한 유전자를 선택한 후에 급성 백혈병의 종류를 분석하는 것을 특징으로 한다.
본 발명의 다른 견지로서 급성 백혈병의 종류 분석 방법은, 회귀분석의 변형이라 할 수 있는 DPLS(Discriminant Partial Least Square) 방법을 응용하여 급성 백혈병 구분에 유용한 유전자를 선택한 후에 급성 백혈병의 종류를 분석하는 것을 특징으로 한다.
도 1은 본 발명의 제 1 실시예에 따른 급성 백혈병의 종류 분석 방법을 설명하기 위한 흐름도,
도 2는 본 발명의 제 2 실시예에 따른 급성 백혈병의 종류 분석 방법을 설명하기 위한 흐름도.
본 발명의 실시예로는 다수개가 존재할 수 있으며, 이하에서는 첨부한 도면을 참조하여 바람직한 실시예에 대하여 상세히 설명하기로 한다. 이 실시예를 통해 본 발명의 목적, 특징 및 이점들을 보다 잘 이해할 수 있게 된다.
<실시예1>
도 1은 본 발명의 제 1 실시예에 따른 급성 백혈병의 종류 분석 방법을 설명하기 위한 흐름도이다.
이에 나타낸 본 발명은, 급성 백혈병의 종류를 구분하고자 하는 급성 백혈병환자의 DNA 칩 데이터를 획득하는 단계(S101)와, 상기 획득된 DNA 칩 데이터를 상기 급성 림프구성 백혈병과 급성 골수성 백혈병에 대하여 스튜던트 T-시험(Student's T-test)을 거쳐 유전자 발현 패턴이 백혈병의 종류에 관계없이 일정한 유전자를 제거하는 단계(S102)와, 상기 DNA 칩 데이터로부터 윌크 람다(Wilks lambda)값을 계산하여 전체 유전자의 순위를 결정하는 단계(S103)와, 상기 결정된 순위에 의거하여 상위 특정개의 유전자를 선정한 뒤 이 유전자들을 이용하여 스텝와이즈 판별 분석을 수행하는 단계(S104∼S105)와, 상기 스텝와이즈 판별 분석을 더 이상의 유전자가 제거되지 않을 때까지 반복적으로 수행하여 소정 개의 유전자를 선정하는 단계(S106∼S107)와, 상기 선정된 유전자들에 대하여 리니어 판별 분석(linear discriminant analysis)을 수행하여 급성 백혈병의 종류를 구분하는 단계(S108∼S109)로 이루어진다.
이와 같이 구성된 본 발명의 제 1 실시예에 따른 급성 백혈병의 종류 분석 과정을 아래에서 상세히 설명하기로 한다.
먼저, 급성 백혈병의 종류를 구분하고자 하는 급성 백혈병 환자의 DNA 칩 데이터를 획득한다. 여기서, 본 발명의 이해를 돕기 위하여 72명의 급성 백혈병 환자(47 ALLs and 25 AMLs)에 대하여 7129개의 유전자 발현량을 표시한 올리고뉴클레오티드 칩(oligonucleotide chip) 데이터를 실험예로서 사용하기로 한다(S101).
다음으로, 다변량 통계기법을 적용하기에 앞서서 두 종류의 백혈병에 대하여, 스튜던트 T-시험(Student's T-test)을 거친다. T-시험은 각각의 유전자 발현량이 ALL과 AML에서 얼마나 차이를 보이는지를 검정하는 것으로써, 유전자 발현 패턴이 백혈병의 종류에 관계없이 일정한 이른바 하우스키핑(housekeeping) 유전자가 제거된다. 이러한 T-시험을 통하여 7129개의 유전자로부터 백혈병 종류에 대해서 특징적인 유전자 발현 패턴을 갖는 1178개의 유전자가 추출되었다(S102).
이후, 1178개의 유전자와 72명의 환자에 대한 정보로 이루어진 DNA 칩 데이터로부터 윌크 람다(Wilks lambda)값을 계산하여 전체 유전자의 순위를 결정한다(S103).
그리고, 상위 특정개의 유전자를 선정, 바람직하기로 상위 300여 개의 유전자를 선정한 뒤 이 유전자들을 이용하여 스텝와이즈 판별 분석(stepwise discriminant analysis)을 수행한다. 스텝와이즈 판별 분석을 수행하는 소정의 유전자가 제거되어 약 절반 가량의 유용한 유전자만 남게 된다(S104∼S105).
이와 같은 스텝와이즈 판별 분석을 그 신뢰도를 높여가면서 더 이상의 유전자가 제거되지 않을 때까지 반복적으로 수행한다(S106).
스텝와이즈 판별 분석을 반복 수행하면 결과적으로 소정 개의 유전자가 선정되는데, 실험예에 의하면 8개의 유전자가 선정된다(S107).
실험예에 의하여 선정된 유전자들은 다음의 표 1과 같다.
| 판별 분석 | |
| X95735 | Zyxin |
| M19507 | MPO Myeloperoxidase |
| Y07604 | Nucleoside-diphosphate kinase |
| M26708 | PTMA Prothymosin alpha |
| M98399 | CD36 CD36 antigen (collagen type I receptor, thrombospondin receptor) |
| M80254 | Peptidyl-propyl cis-trans isomerase, Mitochondrial precursor |
| M13690 | C1NH Complement component 1 inhibitor (angioedema, hereditary) |
| Y12670 | LEPR Leptin receptor |
다음으로, 선정된 유전자들에 대하여 패턴 인식(pattern recognition) 기법으로 잘 알려져 있는 리니어 판별 분석(linear discriminant analysis)을 수행하면 급성 백혈병의 종류를 구분, 즉 급성 림프구성 백혈병과 급성 골수성 백혈병을 구분할 수 있다. 실험예에서는 본 발명의 제 1 실시예에 따른 구분 결과로서 100%의 정확도가 나타남을 알 수 있었다(S108∼S109).
<실시예2>
도 2는 본 발명의 제 2 실시예에 따른 급성 백혈병의 종류 분석 방법을 설명하기 위한 흐름도이다.
이에 나타낸 본 발명은, 급성 백혈병의 종류를 구분하고자 하는 급성 백혈병 환자의 DNA 칩 데이터를 획득하는 단계(S201)와, 상기 획득된 DNA 칩 데이터를 상기 급성 림프구성 백혈병과 급성 골수성 백혈병에 대하여 스튜던트 T-시험(Student's T-test)을 거쳐 유전자 발현 패턴이 백혈병의 종류에 관계없이 일정한 유전자를 제거하는 단계(S202)와, 급성 백혈병의 종류를 Y값으로 하고, 유전자 데이터를 X값으로 하여 PLS(Partial Least Square) 방법으로 회귀분석을 수행하는 단계(S203)와, 각 유전자의 회귀계수와 PLS 모델의 차수를 이용해서 통계량 VIP(Variable Importance In The Projection)를 계산하며, 계산된 VIP값이 1보다 큰 유전자를 추출해 내는 단계(S204∼S205)와, 상기 회귀 분석과 유전자 추출 과정을 더 이상의 유전자가 제거되지 않을 때까지 반복 수행하여 최종적으로 소정 개의 유전자를 선정하는 단계(S206∼S207)와, 상기 선정된 유전자를 사용해서 DPLS(Discriminant Partial Least Square) 모델을 만들어 급성 백혈병의 종류를 구분하는 단계(S208∼S209)로 이루어진다.
이와 같이 구성된 본 발명의 제 2 실시예에 따른 급성 백혈병의 종류 분석 과정을 아래에서 상세히 설명하기로 한다.
먼저, 급성 백혈병의 종류를 구분하고자 하는 급성 백혈병 환자의 DNA 칩 데이터를 획득한다. 여기서, 본 발명의 이해를 돕기 위하여 제 1 실시예와 마찬가지로 72명의 급성 백혈병 환자(47 ALLs and 25 AMLs)에 대하여 7129개의 유전자 발현량을 표시한 올리고뉴클레오티드 칩(oligonucleotide chip) 데이터를 실험예로서 사용하기로 한다(S201).
다음으로, 다변량 통계기법을 적용하기에 앞서서 제 1 실시예와 마찬가지로 두 종류의 백혈병에 대하여, 스튜던트 T-시험(Student's T-test)을 거친다. T-시험은 각각의 유전자 발현량이 ALL과 AML에서 얼마나 차이를 보이는지를 검정하는 것으로써, 유전자 발현 패턴이 백혈병의 종류에 관계없이 일정한 이른바 하우스키핑(housekeeping) 유전자가 제거된다. 이러한 T-시험을 통하여 7129개의 유전자로부터 백혈병 종류에 대해서 특징적인 유전자 발현 패턴을 갖는 1178개의 유전자가 추출되었다(S202).
이후, 72명 환자에 대한 급성 백혈병의 종류를 Y값으로 하고, 유전자 데이터를 X값으로 하여 PLS(Partial Least Square) 방법으로 회귀분석을 수행한다(S203).
이때, 각 유전자의 회귀계수와 PLS 모델의 차수를 이용해서 VIP(Variable Importance In The Projection)라는 통계량을 계산하며, 계산된 VIP값이 1보다 큰 유전자를 추출해낸다(S204∼S205).
아울러, 이와 같은 회귀 분석과 유전자 추출 과정은 제 1 실시예와 마찬가지로 더 이상의 유전자가 제거되지 않을 때까지 반복 수행하며, 실험예에 의하면 최종적으로 5개의 유전자가 선정된다(S206∼S207).
실험예에 의하여 선정된 유전자들은 다음의 표 1과 같다.
| DPLS | |
| M19507 | MPO Myeloperoxidase |
| X95735 | Zyxin |
| M27891 | CST3 Cystatin C (amyloid angiopathy and cerebral hemorrhage) |
| Y07604 | Nucleoside-diphosphate kinase |
| M23197 | CD33 CD33 antigen (differentiation antigen) |
이후, 5개의 유전자를 사용해서 DPLS(Discriminant Partial Least Square) 모델을 만들면 급성 백혈병의 종류를 구분, 즉 급성 림프구성 백혈병과 급성 골수성 백혈병을 구분할 수 있다. 실험예에서는 본 발명의 제 2 실시예에 따른 구분 결과로서 95%의 정확도가 나타남을 알 수 있었다(S208∼S209).
상기에서는 본 발명의 일 실시예에 국한하여 설명하였으나 본 발명의 기술이 당업자에 의하여 용이하게 변형 실시될 가능성이 자명하다. 이러한 변형된 실시예들은 본 발명의 특허청구범위에 기재된 기술사상에 포함된다고 하여야 할 것이다.
전술한 바와 같은 본 발명은 급성 백혈병의 종류 구분을 위하여 선정하는 유전자의 개수를 최소화한 후에 급성 백혈병의 종류를 구분함으로써, 종래 기술에서 발생된 차원성의 저주(curse of dimensionality), 오버 피팅(over- fitting) 등의 문제가 해소되는 효과가 있다.
Claims (5)
- 급성 림프구성 백혈병과 급성 골수성 백혈병으로 대분되는 급성 백혈병의 종류를 구분하는 방법에 있어서,종류를 구분하고자 하는 급성 백혈병 환자의 DNA 칩 데이터를 획득하는 단계와,상기 획득된 DNA 칩 데이터를 상기 급성 림프구성 백혈병과 급성 골수성 백혈병에 대하여 스튜던트 T-시험(Student's T-test)을 거쳐 유전자 발현 패턴이 백혈병의 종류에 관계없이 일정한 유전자를 제거하는 단계와,상기 DNA 칩 데이터로부터 윌크 람다(Wilks lambda)값을 계산하여 전체 유전자의 순위를 결정하는 단계와,상기 결정된 순위에 의거하여 상위 특정개의 유전자를 선정한 뒤 이 유전자들을 이용하여 스텝와이즈 판별 분석을 수행하는 단계와,상기 스텝와이즈 판별 분석을 더 이상의 유전자가 제거되지 않을 때까지 반복적으로 수행하여 소정 개의 유전자를 선정하는 단계와,상기 선정된 유전자들에 대하여 리니어 판별 분석(linear discriminant analysis)을 수행하여 급성 백혈병의 종류를 구분하는 단계를 포함하는 급성 백혈병의 종류 분석 방법.
- 제 1 항에 있어서, 상기 선정된 유전자들에는X95735(Zyxin), M19507(MPO Myeloperoxidase), Y07604(Nucleoside-diphosphate kinase), M26708(PTMA Prothymosin alpha), M98399(CD36 CD36 antigen), M80254(Peptidyl-propyl cis-trans isomerase, Mitochondrial precursor), M13690(C1NH Complement component 1 inhibitor), Y12670(LEPR Leptin receptor) 중 하나 이상의 유전자가 포함된 것을 특징으로 한 급성 백혈병의 종류 분석 방법.
- 급성 림프구성 백혈병과 급성 골수성 백혈병으로 대분되는 급성 백혈병의 종류를 구분하는 방법에 있어서,종류를 구분하고자 하는 급성 백혈병 환자의 DNA 칩 데이터를 획득하는 단계와,상기 획득된 DNA 칩 데이터를 상기 급성 림프구성 백혈병과 급성 골수성 백혈병에 대하여 스튜던트 T-시험(Student's T-test)을 거쳐 유전자 발현 패턴이 백혈병의 종류에 관계없이 일정한 유전자를 제거하는 단계와,급성 백혈병의 종류를 Y값으로 하고, 유전자 데이터를 X값으로 하여 PLS(Partial Least Square) 방법으로 회귀분석을 수행하는 단계와,각 유전자의 회귀계수와 PLS 모델의 차수를 이용해서 통계량 VIP(Variable Importance In The Projection)를 계산하며, 계산된 VIP값이 1보다 큰 유전자를 추출해 내는 단계와,상기 회귀 분석과 유전자 추출 과정을 더 이상의 유전자가 제거되지 않을 때까지 반복 수행하여 최종적으로 소정 개의 유전자를 선정하는 단계와,상기 선정된 유전자를 사용해서 DPLS(Discriminant Partial Least Square) 모델을 만들어 급성 백혈병의 종류를 구분하는 단계를 포함하는 급성 백혈병의 종류 분석 방법.
- 제 3 항에 있어서, 상기 선정된 유전자들에는M19507(MPO Myeloperoxidase), X95735(Zyxin), M27891(CST3 Cystatin C), Y07604(Nucleoside-diphosphate kinase), M23197(CD33 CD33 antigen) 중 하나 이상의 유전자가 포함된 것을 특징으로 한 급성 백혈병의 종류 분석 방법.
- 제 1 항 또는 제 3 항에 있어서, 상기 DNA 칩 데이터는올리고뉴클레오티드 칩(oligonucleotide chip) 데이터를 사용하는 것을 특징으로 한 급성 백혈병의 종류 분석 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020020021756A KR20030083284A (ko) | 2002-04-20 | 2002-04-20 | 급성 백혈병의 종류 분석 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020020021756A KR20030083284A (ko) | 2002-04-20 | 2002-04-20 | 급성 백혈병의 종류 분석 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20030083284A true KR20030083284A (ko) | 2003-10-30 |
Family
ID=32379831
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020020021756A KR20030083284A (ko) | 2002-04-20 | 2002-04-20 | 급성 백혈병의 종류 분석 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20030083284A (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100832946B1 (ko) * | 2006-11-13 | 2008-05-27 | (주)지노첵 | 백혈병 아형 판별용 지표 유전자 도출 방법과 이에 따른지표 유전자 및 ｄｎａ칩 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010044103A1 (en) * | 1999-12-03 | 2001-11-22 | Steeg Evan W. | Methods for the diagnosis and prognosis of acute leukemias |
| WO2002025405A2 (en) * | 2000-09-19 | 2002-03-28 | The Regents Of The University Of California | Methods for classifying high-dimensional biological data |
-
2002
- 2002-04-20 KR KR1020020021756A patent/KR20030083284A/ko not_active Application Discontinuation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010044103A1 (en) * | 1999-12-03 | 2001-11-22 | Steeg Evan W. | Methods for the diagnosis and prognosis of acute leukemias |
| WO2002025405A2 (en) * | 2000-09-19 | 2002-03-28 | The Regents Of The University Of California | Methods for classifying high-dimensional biological data |
Non-Patent Citations (4)
| Title |
|---|
| Bioinformatics 18(1), 2002, pages 39-50 * |
| Genomic Research Vol 11(7), 1227-1236, July 2001 * |
| Prog. 2002 Jul-Aug ; 18(4) : 847-54 ; 초록 * |
| Science, 1999 Oct 15 ; 286(5429) : 531-7 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100832946B1 (ko) * | 2006-11-13 | 2008-05-27 | (주)지노첵 | 백혈병 아형 판별용 지표 유전자 도출 방법과 이에 따른지표 유전자 및 ｄｎａ칩 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11315774B2 (en) | Big-data analyzing Method and mass spectrometric system using the same method | |
| US20060259246A1 (en) | Methods for efficiently mining broad data sets for biological markers | |
| US20100023273A1 (en) | Characterization of Phenotypes by Gene Expression Patterns and Classification of Samples Based Thereon | |
| CN110791565B (zh) | 一种用于ii期结直肠癌复发预测的预后标记基因及随机生存森林模型 | |
| CN107301331B (zh) | 一种基于基因芯片数据的疾病影响因素的挖掘方法 | |
| CN112599199A (zh) | 一种适用于10x单细胞转录组测序数据的分析方法 | |
| US20190287646A1 (en) | Identifying copy number aberrations | |
| CN116564409A (zh) | 基于机器学习的转移性乳腺癌转录组测序数据识别方法 | |
| CN110714078A (zh) | 一种用于ii期结直肠癌复发预测的标记基因及应用 | |
| CN111180013B (zh) | 检测血液病融合基因的装置 | |
| KR101941011B1 (ko) | 유전자 발현 데이터를 통한 유방암 환자 예후 판단 방법 | |
| CN113096737B (zh) | 一种用于对病原体类型进行自动分析的方法及系统 | |
| Morovvat et al. | An ensemble of filters and wrappers for microarray data classification | |
| KR100734430B1 (ko) | 마이크로어레이 데이터의 클래스 판별 유전자 셋 탐색 방법및 저장 매체 | |
| KR20030083284A (ko) | 급성 백혈병의 종류 분석 방법 | |
| CN117037905A (zh) | 基于祖先信息标记的鸡品种鉴定方法、系统、设备及介质 | |
| JP6356015B2 (ja) | 遺伝子発現情報解析装置、遺伝子発現情報解析方法、及びプログラム | |
| CN116959562A (zh) | 一种识别疾病表型相关的细胞亚群的方法 | |
| US8140456B2 (en) | Method and system of extracting factors using generalized Fisher ratios | |
| CN114530200B (zh) | 基于计算snp熵值的混合样本鉴定方法 | |
| Manning et al. | CHLOE: A software tool for automatic novelty detection in microscopy image datasets | |
| EP1691311A1 (en) | Method, system and software for carrying out biological interpretations of microarray experiments | |
| CN112233722A (zh) | 品种鉴定的方法、其预测模型的构建方法和装置 | |
| JP2002132749A (ja) | サンプリングバイアス評価・減少装置 | |
| US20160378914A1 (en) | Method of and apparatus for identifying phenotype-specific gene network using gene expression data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |