• 凯发k8国际

    凯发k8国际
    分子建模预测

    Demo 结果

    demo 分析结果图

    demo 结果分析图 2

    结果解读

    选用了目前主流的分类器(比如 SVM,KNN)以及筛选特征值的方法(贪婪算法)筛选并建立稳定的模型,帮助客户筛选到灵敏度与特异性高的 maker。


    分子建模预测

    采用模式识别与数据挖掘技术有效进行模型的构建,将部分数据拿来做训练集预测模型,然后部分数据作为测试数据集(独立样本)来验证模型的准确性。目的在于利用实验数据来筛选出一批靶标基因,并以此构建模型。小样本数据的建模在于筛选并评判 maker 的稳定性,便于后期实验验证;大样本数据的建模用于进行早期诊断、疾病预测。采用方法分为:线性分类器以及非线性分类器,并利用了 Leave-one-out cross-validation(LOOCV)以及 cross-validated misclassification error rate 的筛选策略找到优选 MARKER。

    分析要求

    1、小样本建模:样本数在 20 以上;

    2、大样本建模:样本数在 100 以上;

    3、数据类型:表达,甲基化,CNV,SNP 均可。

    提供结果

    1、图片格式:ROC 曲线图,TIFF 格式;

    2、文本文件:样本的分类情况,灵敏度与特异性,maker 的权重(线性分类器结果)。

    -END-

    咨询客服 - 凯发k8国际