Sci Rep: 机器学习能够检测乳腺癌的发生风险
来源：本站原创 2020-07-08 02:03
最近，东欧芬兰大学和Kuopio大学医院最近发表的一篇文章报道了机器学习在帮助理解遗传和其他乳腺癌危险因素的相互作用中的应用。
2020年7月6日讯/生物谷BIOON/---最近，东欧芬兰大学和Kuopio大学医院最近发表的一篇文章报道了机器学习在帮助理解遗传和其他乳腺癌危险因素的相互作用中的应用。
近年来的新发现已经确定了导致乳腺癌风险的几种风险因素。能够融合遗传（SNP）和非遗传风险因素的方法可以识别出罹患癌症的高风险人士，并能够制定适应风险的筛查计划，以更好地预防癌症。这可能会改善BC筛查的整体性能，并促进临床资源的有效分配。
在最近发表在《scientific reports》杂志上的研究中，作者利用机器学习分析了乳腺癌风险因素相互作用的新模型。该模型将所有已知和新发现的风险因素结合在一起，同时考虑它们之间的相互作用。东芬兰大学临床医学，病理学和法医学研究所开发的机器学习模型可以识别相互作用的遗传变异和乳腺癌的人口统计学危险因素的组合，从而可以有效地预测乳腺癌风险。
机器学习方法基于梯度树增强方法，然后是自适应迭代搜索算法。最佳识别的特征，即相互作用的SNPs +人口统计学危险因素，用于预测未知个体的乳腺癌风险。分析结果揭示了雌激素受体阳性的乳腺癌亚型相关的ESR1和FGFR1基因。
“由于癌症是由生活方式，遗传和环境因素引起的多因素疾病，因此对遗传变异来源的单独分析可能不足以全面了解疾病风险。我们现在正在开发创新的设备结合不同的数据源（如乳腺X线摄影特征）的学习方法”，文章作者，Mannermaa癌症研究实验室的人工智能（AI）和机器学习专业的博士后研究员Hamid Behravan总结道。（生物谷 Bioon.com）
资讯出处：Using machine learning to analyze the interaction of breast cancer risk factors
原始出处：Behravan, H., et al. (2020) Predicting breast cancer risk using interacting genetic and demographic factors and machine learning. Scientific Reports. doi.org/10.1038/s41598-020-66907-9.
近年来的新发现已经确定了导致乳腺癌风险的几种风险因素。能够融合遗传（SNP）和非遗传风险因素的方法可以识别出罹患癌症的高风险人士，并能够制定适应风险的筛查计划，以更好地预防癌症。这可能会改善BC筛查的整体性能，并促进临床资源的有效分配。
（图片来源：Www.pixabay.com）
在最近发表在《scientific reports》杂志上的研究中，作者利用机器学习分析了乳腺癌风险因素相互作用的新模型。该模型将所有已知和新发现的风险因素结合在一起，同时考虑它们之间的相互作用。东芬兰大学临床医学，病理学和法医学研究所开发的机器学习模型可以识别相互作用的遗传变异和乳腺癌的人口统计学危险因素的组合，从而可以有效地预测乳腺癌风险。
机器学习方法基于梯度树增强方法，然后是自适应迭代搜索算法。最佳识别的特征，即相互作用的SNPs +人口统计学危险因素，用于预测未知个体的乳腺癌风险。分析结果揭示了雌激素受体阳性的乳腺癌亚型相关的ESR1和FGFR1基因。
“由于癌症是由生活方式，遗传和环境因素引起的多因素疾病，因此对遗传变异来源的单独分析可能不足以全面了解疾病风险。我们现在正在开发创新的设备结合不同的数据源（如乳腺X线摄影特征）的学习方法”，文章作者，Mannermaa癌症研究实验室的人工智能（AI）和机器学习专业的博士后研究员Hamid Behravan总结道。（生物谷 Bioon.com）
资讯出处：Using machine learning to analyze the interaction of breast cancer risk factors
原始出处：Behravan, H., et al. (2020) Predicting breast cancer risk using interacting genetic and demographic factors and machine learning. Scientific Reports. doi.org/10.1038/s41598-020-66907-9.
版权声明 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->
