亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Feature selection based on differentially correlated gene pairs reveals the mechanism of IFN-β therapy for multiple sclerosis

多发性硬化 特征选择 基因 机制(生物学) 微阵列 生物信息学 计算生物学 养生 微阵列分析技术 基因表达 生物 医学 免疫学 机器学习 内科学 计算机科学 遗传学 哲学 认识论
作者
Tao Jin,Chi Wang,Suyan Tian
出处
期刊:PeerJ [PeerJ]
卷期号:8: e8812-e8812 被引量:4
标识
DOI:10.7717/peerj.8812
摘要

Multiple sclerosis (MS) is one of the most common neurological disabilities of the central nervous system. Immune-modulatory therapy with Interferon-β (IFN-β) is a commonly used first-line treatment to prevent MS patients from relapses. Nevertheless, a large proportion of MS patients on IFN-β therapy experience their first relapse within 2 years of treatment initiation. Feature selection, a machine learning strategy, is routinely used in the fields of bioinformatics and computational biology to determine which subset of genes is most relevant to an outcome of interest. The majority of feature selection methods focus on alterations in gene expression levels. In this study, we sought to determine which genes are most relevant to relapse of MS patients on IFN-β therapy. Rather than the usual focus on alterations in gene expression levels, we devised a feature selection method based on alterations in gene-to-gene interactions. In this study, we applied the proposed method to a longitudinal microarray dataset and evaluated the IFN-β effect on MS patients to identify gene pairs with differentially correlated edges that are consistent over time in the responder group compared to the non-responder group. The resulting gene list had a good predictive ability on an independent validation set and explicit biological implications related to MS. To conclude, it is anticipated that the proposed method will gain widespread interest and application in personalized treatment research to facilitate prediction of which patients may respond to a specific regimen.
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
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
shenhai发布了新的文献求助10
3秒前
欢欢完成签到,获得积分10
12秒前
13秒前
song完成签到 ,获得积分10
16秒前
22秒前
不配.应助玛琳卡迪马采纳,获得20
22秒前
28秒前
ahui完成签到 ,获得积分10
28秒前
宝宝完成签到 ,获得积分10
29秒前
Bian完成签到,获得积分10
30秒前
xue完成签到 ,获得积分10
35秒前
joe完成签到 ,获得积分0
37秒前
贪玩的谷芹完成签到 ,获得积分10
39秒前
薛定谔的猫完成签到,获得积分10
41秒前
共享精神应助shenhai采纳,获得10
46秒前
无花果应助科研通管家采纳,获得10
54秒前
领导范儿应助科研通管家采纳,获得10
54秒前
小二郎应助科研通管家采纳,获得10
54秒前
传奇3应助科研通管家采纳,获得10
54秒前
硫酸二铵合银完成签到,获得积分10
57秒前
甜美尔风完成签到,获得积分20
1分钟前
Chamsel完成签到,获得积分10
1分钟前
格瑞格完成签到,获得积分10
1分钟前
陆磊磊完成签到,获得积分10
1分钟前
1分钟前
初雪平寒完成签到,获得积分10
1分钟前
白鸽应助KongHN采纳,获得30
1分钟前
初雪平寒发布了新的文献求助10
1分钟前
JXDeng完成签到,获得积分10
1分钟前
KongHN完成签到,获得积分10
1分钟前
景辣条应助碧蓝太英采纳,获得30
1分钟前
1分钟前
兴奋元灵完成签到 ,获得积分10
1分钟前
zzzyyy应助风止采纳,获得10
1分钟前
顺利芸发布了新的文献求助10
1分钟前
顺利芸完成签到,获得积分20
2分钟前
2分钟前
zhiyu发布了新的文献求助10
2分钟前
2分钟前
乐乐乐乐乐乐应助顺利芸采纳,获得10
2分钟前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
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 3136993
求助须知:如何正确求助?哪些是违规求助? 2787960
关于积分的说明 7784040
捐赠科研通 2444012
什么是DOI,文献DOI怎么找? 1299609
科研通“疑难数据库(出版商)”最低求助积分说明 625497
版权声明 600989