随着高通量测序和多组学技术的应用,越来越多的生物标志物被挖掘并用于疾病诊断、风险分层、疗效评估及预后预测的研究中。由于机器学习能处理复杂数据,并通过建立模型等方法较好预测临床疾病变化,因此其在肿瘤标志物的挖掘和应用中具有一定的优势。通过总结近年来常用的机器学习方法,阐述其在标志物挖掘中的应用进展,并总结不同的机器学习方法在标志物挖掘中的优劣。
科研之友
微信
新浪微博
Facebook
分享链接
