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：可靠而精确的肿瘤分类对于癌症的成功诊断和治疗至关重要。cDNA微阵列和高密度寡核苷酸芯片是越来越多地用于癌症研究的新型生物技术。通过允许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化，从而进行更精细、更具信息性的分类。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258文件 MSC公司： 第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（一般） 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