Artificial Intelligence and Machine Learning Techniques Using Omics Data for Cancer Diagnosis and Treatment

组学 癌症 机器学习 背景(考古学) 人工智能 生物标志物发现 计算机科学 基因组学 精密医学 生物标志物 鉴定(生物学) 生物信息学 计算生物学 医学 基因组 蛋白质组学 生物 基因 病理 内科学 古生物学 生物化学 植物
作者
Priyanka Gawade,Sutanu Nandi,Chandrakala Meena,Ram Rup Sarkar
标识
DOI:10.1007/978-981-19-1953-4_2
摘要

Cancer is a heterogeneous disease concerning molecular, functional and clinical behaviour, and poses a challenge for timely detection and treatment. Early detection and prognosis of cancer type may facilitate refined clinical management of cancer treatment. Recent technological development, such as next-generation sequencing, generated a large number of omics datasets in cancer genomics. The genome-wide biological information, such as cancer driver mutations, aberrantly methylated regions, gene, and miRNA expression profiles, is helpful for predicting the cancer onset, subtypes, and treatment response and is valuable for improving diagnosis and therapeutic and clinical decisions. In this context, machine learning (ML) algorithms and artificial intelligence have been beneficial and essential for the better accuracy of cancer-related predictions. Here, we mainly focus on research based on these omics data, paying close attention to machine learning methods. We summarize various kinds of omics data and different ML algorithms effective in cancer prediction. We also highlighted the applications of the ML algorithm on genomic information in cancer, including cancer classification, therapy response, survival, metastasis, and biomarker identification. Further we discussed the novel approaches in machine learning for improving cancer prediction. These data-driven approaches can potentially provide a new solution for enhancing the precise treatment of cancer.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
小Q啊啾发布了新的文献求助10
刚刚
樂酉发布了新的文献求助10
刚刚
研友_VZG7GZ应助Vandokey采纳,获得10
刚刚
树懒发布了新的文献求助10
1秒前
2秒前
gemini0615完成签到,获得积分10
2秒前
2秒前
chun发布了新的文献求助10
3秒前
嘻哈学习完成签到,获得积分10
4秒前
4秒前
sober发布了新的文献求助10
5秒前
Akim应助求索采纳,获得10
6秒前
7秒前
哈哈发布了新的文献求助10
7秒前
cctv18应助长安采纳,获得10
8秒前
上官若男应助鱼雁采纳,获得10
8秒前
汉桑波欸发布了新的文献求助10
9秒前
9秒前
9秒前
ppg123应助penguin39采纳,获得10
9秒前
lilala发布了新的文献求助20
10秒前
柳叶刀小猪应助小Q啊啾采纳,获得10
10秒前
科研通AI2S应助小Q啊啾采纳,获得10
10秒前
清爽的柚子完成签到 ,获得积分10
12秒前
13秒前
顾矜应助自由的圆采纳,获得10
13秒前
13秒前
13秒前
小九的呀完成签到 ,获得积分10
14秒前
kiki发布了新的文献求助10
15秒前
16秒前
18秒前
18秒前
18秒前
19秒前
benny发布了新的文献求助10
19秒前
上官若男应助song采纳,获得10
19秒前
19秒前
20秒前
20秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 830
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3248024
求助须知:如何正确求助?哪些是违规求助? 2891212
关于积分的说明 8266791
捐赠科研通 2559415
什么是DOI,文献DOI怎么找? 1388257
科研通“疑难数据库(出版商)”最低求助积分说明 650711
邀请新用户注册赠送积分活动 627641