跳到主要内容
检索

# 弹性网络

2 篇关联报道

订阅更新
  1. bioRxiv

    头颈癌pEMT评分被拆成两半:恶性臂随西妥昔单抗长期无进展,基质臂不随

    头颈鳞癌的partial EMT(部分上皮–间质转化)基因表在单细胞里由恶性细胞和成纤维细胞共同表达,但既往只在整块肿瘤上打分。把100个基因按表达细胞拆成恶性臂与基质臂后,整块肿瘤的共表达由基质臂主导,标准pEMT评分主要测的是基质;用单细胞伪块训练的分类器和12基因恶性核心可在任意整块转录组中恢复恶性臂。在40例接受铂类加西妥昔单抗的患者中,两项恶性指标在无进展生存期长者中更高(曲线下面积0.78与0.82),基质核心则不然,但恶性臂与Basal亚型无法区分,后者判别更好(0.93)。

  2. 用Google搜索数据加机器学习预测澳大利亚各州流感周报数,最佳模型相关系数从-0.353到0.977

    该研究用2018至2019年Google Trends周搜索量与澳大利亚国家法定传染病监测系统(NNDSS)的流感周报数对比,为除首都领地外的各州和领地分别训练弹性网、支持向量回归、随机森林和前馈神经网络四种监督回归模型,做当周(nowcast)及提前一至两周的预测,发现搜索量与流感报告率随时间相关,随机森林与弹性网总体表现较好,除北领地和塔斯马尼亚外每个建模辖区都至少有两个搜索词与流感通报呈中度至强Pearson相关,最佳模型预测准确度(Pearson相关系数)因辖区而异(-0.353至0.977),且提前一至两周的准确度更低,人口较少的辖区准确度也更低。

已读完全部报道