인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 논문에서는 독립 코호트와 서로 다른 측정 플랫폼에서 범암 전사체 분류기의 외부 전이 가능성을 평가하기 위한 체계적 검증 프레임워크를 제안한다. 본 프레임워크의 핵심은 내부 예측 정확도와 특징 안정성, 외부 일반화 성능, 그리고 암종 구분에 필요한 전사체 구조의 보존성을 구분하여 평가하는 데 있다. 이를 위해 BRCA, KIRC, OV, PAAD, PRAD의 5개 암종을 대상으로 TCGA RNA-seq에서만 특징선택과 모델 학습을 수행하고, 학습된 모델을 재학습이나 특징 재선택 없이 독립적인 ICGC RNA-seq과 GSE2109 microarray 코호트에 적용하였다. 또한 총 48개 모델 구성을 비교하고, 확률 보정, 암종 중심점 기하구조, 측정 해상도, 교란 민감도 및 생물학적 해석을 포함한 추가 진단 분석을 수행하였다. 실험 결과, TCGA 내부에서 거의 동일한 성능을 보인 모델들이 외부 데이터에서는 뚜렷하게 다른 전이 성능을 나타냈다. 특히 주모델은 ICGC에서 높은 성능을 유지했으나 GSE2109에서 크게 감소한 반면, ANOVA500+XGBoost(XGB)는 보다 안정적인 플랫폼 간 성능을 보였다. 추가적인 사후 분석에서 외부 코호트의 성능 저하는 암종 간 전사체 구분 구조의 보존 감소와 함께 관찰되었으며, 이는 코호트 간 표현 구조의 변화가 외부 일반화 성능 저하에 일부 기여했을 가능성과 일치한다. 이러한 결과는 전사체 기반 암종 분류기의 강건성을 평가하기 위해 독립 코호트와 플랫폼 간 외부 검증이 필수적 임을 보여준다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
