정보과학회논문지 (Journal of KIISE)
Current Result Document : 2 / 4
이전건
다음건 
| 한글제목(Korean Title) |
유전자 임베딩을 이용한 암 예후 예측 방법 |
| 영문제목(English Title) |
A Method for Cancer Prognosis Prediction Using Gene Embedding |
| 저자(Author) |
김현지
안재균
Hyunji Kim
Jaegyoon Ahn
|
| 원문수록처(Citation) |
VOL 48 NO. 07 PP. 0842 ~ 0849 (2021. 07) |
한글내용
(Korean Abstract) |
암의 예후와 관련이 있는 유전자를 식별하고 이를 이용하여 암환자의 예후를 예측하는 것은 환자에게 효과적인 치료방법을 제공하는데 기여하는 바가 크다. 유전자 발현 데이터를 이용하여 예후 관련 유전자를 탐색하거나 암의 예후를 예측하기 위한 다양한 연구방법들이 제시되었으며, 최근에는 딥러닝을 비롯한 머신러닝 기법들이 집중적으로 연구되고 있다. 하지만 유전자 발현량 데이터에 기계학습 방법을 적용하는 것은 사용 가능한 샘플의 수가 적고 유전자의 수가 많다는 근본적인 문제가 있다. 본 연구에서는 유전자 네트워크 데이터를 추가적으로 사용하여, 많은 수의 무작위 유전자 경로를 학습 데이터 사용함으로써 적은 수의 샘플이라는 문제를 보완하고자 한다. 본 연구에서 제시하는 방법을 이용하여 5가지 암에 대한 유전자 발현 데이터와 유전자 네트워크를 이용하여 예후 특이적 유전자를 식별하고 환자의 예후를 예측한 결과, 다른 기존 방법들과 비교하여 높은 정확도로 예측을 하는 것을 확인할 수 있었으며, 적은 샘플을 사용한 예측에서 높은 성능을 확인할 수 있었다. |
영문내용
(English Abstract) |
Identifying prognostic genes and using them to predict the prognosis of cancer patients can help provide them with more effective treatments. Many methods have been proposed to identify prognostic genes and predict cancer prognosis, and recent studies have focused on machine learning methods including deep learning. However, applying gene expression data to machine learning methods has the limitations of a small number of samples and a large number of genes. In this study, we additionally use a gene network to generate many random gene paths, which we used for training the model, thereby compensating for the small sample problem. We identified the prognostic genes and predicted the prognosis of patients using the gene expression data and gene networks for five cancer types and confirmed that the proposed method showed better predictive accuracy compared to other existing methods, and good performance on small sample data. |
| 키워드(Keyword) |
기계 학습
암 예후 예측
바이오마커
딥러닝
machine learning
cancer prognosis prediction
biomarker
deep learning
|
| 파일첨부 |
PDF 다운로드
|
