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.
초록·키워드
Comprehensive biomedical proteomic datasets are accumulating exponentially, warranting robust analytics to deconvolute them for identifying novel biological insights. Here, we report a strategic machine learning (ML)-based feature extraction workflow that was applied to unveil high-performing protein markers for high-grade serous ovarian carcinoma (HGSOC) from publicly available ovarian cancer tissue and serum proteomics datasets. Diagnosis of HGSOC, an aggressive form of ovarian cancer, currently relies on diagnostic methods based on tissue biopsy and/or non-specific biomarkers such as the cancer antigen 125 (CA125) and human epididymis protein 4 (HE4). Our newly developed ML-based approach enabled the identification of new serum proteomic biomarkers for HGSOC. The performance verification of these marker combinations using two independent cohorts affirmed their outperformance against known biomarkers for ovarian cancer including clinically used serum markers with >97% AUC. Our analysis also added novel biological insights such as enriched cancer-related processes associated with HGSOC.
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
