桑德琳·杜多特;弗里德和简;特伦斯·P·斯皮德。 利用基因表达数据进行肿瘤分类的鉴别方法比较。 (英语) Zbl 1073.62576号 美国统计协会。 97,编号457,77-87(2002). 摘要:可靠而准确的肿瘤分类对于成功诊断和治疗癌症至关重要。cDNA微阵列和高密度寡核苷酸芯片是新的生物技术,在癌症研究中应用越来越多。通过同时监测数千个基因在细胞中的表达水平,微阵列实验可以更全面地了解肿瘤之间的分子变异,从而实现更精细、更信息丰富的分类。利用基因表达数据成功区分肿瘤类别(已知或尚未发现)的能力是这种癌症分类新方法的一个重要方面。本文比较了基于基因表达数据的不同肿瘤分类判别方法的性能。这些方法包括最近邻分类器、线性判别分析和分类树。还考虑了最新的机器学习方法,如打包和增强。这些鉴别方法应用于最近发表的三项癌症基因表达研究的数据集。 引用于2评论引用于263文件 MSC公司: 62页第10页 统计学在生物学和医学中的应用;元分析 62H30型 分类和区分;聚类分析(统计方面) 92 C50 医疗应用(通用) 92C40型 生物化学、分子生物学 软件:插补 PDF格式BibTeX公司 XML格式引用 \textit{S.Dudoit}et al.,J.Am.Stat.Assoc.97,No.457,77--87(2002;Zbl 1073.62576) 全文: 内政部