知识卡片
预测特征优劣依赖任务
基因组、甲基化与表达数据携带不同信息,哪一类特征更适合预测,取决于研究对象、目标和验证方式。原文的特定药物反应研究中,某些癌症可从甲基化信息获益,因此不能把整体比较结论外推成所有诊断只需DNA变化。要保留总体结果与具体例外。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 信息革命对生物学研究的影响 分子表征、功能扰动与结构证据的互补 · 查看原书依据
对某些特定类型的癌症而言,DNA甲基化数据相较于基因表达数据能够进一步提升模型表现。药理学模型为我们提供了可以用于临床测试的潜在新疗法,具有直接的临床意义;而机器学习模型告诉我们,癌症临床诊断应侧重于检测潜在的DNA改变,而非其他肿瘤分子特征(如DNA甲基化与基因表达)。如果要研究单个基因如何影响癌症表型或药物反应,基于CRISPR-Cas9的基因组尺度筛选是更加有效的方式。 这种分子遗传学方法是另一种全面客观、没有预设立场的无偏研究手段。借助CRISPR
参考来源
- 位置:《人工智能与计算生物的未来 (【美】布赖恩·希尔布什)》信息革命对生物学研究的影响,分子表征、功能扰动与结构证据的互补(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能与计算生物的未来 (【美】布赖恩·希尔布什)/_epub-src/EPUB/xhtml/Section02.xhtml)
- 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;历史案例不等于当前临床有效性或监管认可。已经核验的边界与书中陈述分开。
- 原始内容:对某些特定类型的癌症而言,DNA甲基化数据相较于基因表达数据能够进一步提升模型表现。药理学模型为我们提供了可以用于临床测试的潜在新疗法,具有直接的临床意义;而机器学习模型告诉我们,癌症临床诊断应侧重于检测潜在的DNA改变,而非其他肿瘤分子特征(如DNA甲基化与基因表达)。如果要研究单个基因如何影响癌症表型或药物反应,基于CRISPR-Cas9的基因组尺度筛选是更加有效的方式。 这种分子遗传学方法是另一种全面客观、没有预设立场的无偏研究手段。借助CRISPR