Disease trend analysis platform accurately predicts the occurrence of cervical cancer under mixed diseases

宫颈癌 疾病 医学 癌症 计算机科学 内科学
作者
Yuchao Liang,Yuting Guo,Yifei Zhai,Jian Zhou,Wuritu Yang,Yongchun Zuo
出处
期刊:Methods [Elsevier]
卷期号:230: 108-115
标识
DOI:10.1016/j.ymeth.2024.07.011
摘要

Cervical cancer (CC) is one of the most common gynecological malignancies. Cytological screening, while being the most common and accurate method for detecting cervical cancer, is both time-consuming and costly. Predicting CC based on bioinformatics can assist in the rapid early screening of CC in clinical practice. Most recent CC prediction methods require a large amount of detection data or sequencing data and are not ideal for CC detection in complex disease samples. We developed the Disease trend analysis platform (Dtap), which can quickly predict the occurrence of diseases using only blood routine data. Blood routine data was collected from 1,292 cervical cancer patients, 4,860 patients with complex diseases, and 4,980 healthy individuals from various sources. The results show that the Dtap-based trend model maintained good and stable performance in the prediction task of multiple datasets as well as complex disease samples. Finally, we built DTAPCC (http://bioinfor.imu.edu.cn/dtapcc), a Dtap-based CC disease prediction platform, to help users quickly predict CC and visualize trend features.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
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
隐形曼青应助迅速的夏兰采纳,获得20
刚刚
Muse完成签到 ,获得积分10
1秒前
圈圈发布了新的文献求助10
1秒前
打打应助时尚的蚂蚁采纳,获得10
2秒前
贾文斌完成签到,获得积分10
2秒前
chinning发布了新的文献求助10
2秒前
完美世界应助wangn采纳,获得10
3秒前
Mid完成签到,获得积分20
3秒前
共享精神应助Morgenstern_ZH采纳,获得10
3秒前
3秒前
3秒前
搞怪画笔完成签到 ,获得积分10
3秒前
皇城有饭局完成签到,获得积分10
3秒前
lvanlvan完成签到,获得积分10
3秒前
哲999发布了新的文献求助10
4秒前
Jadie完成签到,获得积分10
4秒前
4秒前
morlison发布了新的文献求助10
4秒前
4秒前
无花果应助佳佳采纳,获得10
4秒前
无花果应助nn采纳,获得10
5秒前
置默完成签到,获得积分10
5秒前
gww完成签到,获得积分20
6秒前
zhmyjk发布了新的文献求助60
6秒前
MADKAI发布了新的文献求助20
6秒前
6秒前
隐形曼青应助gaos采纳,获得10
6秒前
侦察兵发布了新的文献求助10
7秒前
JamesPei应助科研小小小白采纳,获得10
7秒前
7秒前
yaqin@9909完成签到,获得积分10
7秒前
嗨JL完成签到,获得积分10
7秒前
帅玉玉发布了新的文献求助10
7秒前
鳗鱼冰薇完成签到 ,获得积分10
9秒前
tanjianxin发布了新的文献求助10
9秒前
10秒前
霸王龙完成签到,获得积分10
10秒前
10秒前
10秒前
细心映寒发布了新的文献求助10
10秒前
高分求助中
Continuum Thermodynamics and Material Modelling 3000
Production Logging: Theoretical and Interpretive Elements 2700
Social media impact on athlete mental health: #RealityCheck 1020
Ensartinib (Ensacove) for Non-Small Cell Lung Cancer 1000
Unseen Mendieta: The Unpublished Works of Ana Mendieta 1000
Bacterial collagenases and their clinical applications 800
El viaje de una vida: Memorias de María Lecea 800
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 量子力学 光电子学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3527699
求助须知:如何正确求助?哪些是违规求助? 3107752
关于积分的说明 9286499
捐赠科研通 2805513
什么是DOI,文献DOI怎么找? 1539954
邀请新用户注册赠送积分活动 716878
科研通“疑难数据库(出版商)”最低求助积分说明 709759