Name: MIMEベースの機械学習フレームワークを用いたモデルの構築と可視化 (動画) | JoVE Journal
Uploaded: 2025-07-22T13:30:00.000+00:00
Duration: 6 min 19 s
Description: 学ぶ MIMEフレームワークを用いた機械学習モデルの構築と可視化手法。疾患関連遺伝子予測や予後モデリング、治療応答予測を統合的に評価するバイオインフォマティクス解析プラットフォームの活用方法を解説します。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<ol><li>Reuter, J. A., Spacek, D. V., Snyder, M. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High-throughput+sequencing+technologies%5BTitle%5D)+AND+%22Mol+Cell%22%5BJournal%5D)">High-throughput sequencing technologies.</a> Mol Cell. 58 (4), 586-597 (2015).</li>
<li>Adam, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Machine+learning+approaches+to+drug+response+prediction%3A+challenges+and+recent+progress%5BTitle%5D)+AND+%22NPJ+Precision+Oncol%22%5BJournal%5D)">Machine learning approaches to drug response prediction: challenges and recent progress.</a> NPJ Precision Oncol. 4, 19(2020).</li>
<li>Ding, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Perspective+on+Oncogenic+Processes+at+the+End+of+the+Beginning+of+Cancer+Genomics%5BTitle%5D)+AND+%22Cell%22%5BJournal%5D)">Perspective on Oncogenic Processes at the End of the Beginning of Cancer Genomics.</a> Cell. 173 (2), 305-320.e10 (2018).</li>
<li>Liu, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+potassium-chloride+co-transporter+with+altered+genome+architecture+functions+as+a+suppressor+in+glioma%5BTitle%5D)+AND+%22J+Cell+Mol+Med%22%5BJournal%5D)">A potassium-chloride co-transporter with altered genome architecture functions as a suppressor in glioma.</a> J Cell Mol Med. 28 (9), e18352(2024).</li>
<li>Hanahan, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hallmarks+of+Cancer%3A+New+Dimensions%5BTitle%5D)+AND+%22Cancer+Disc%22%5BJournal%5D)">Hallmarks of Cancer: New Dimensions.</a> Cancer Disc. 12 (1), 31-46 (2022).</li>
<li>Kourou, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Machine+learning+applications+in+cancer+prognosis+and+prediction%5BTitle%5D)+AND+%22Comp+Str+Biotechnol+J%22%5BJournal%5D)">Machine learning applications in cancer prognosis and prediction.</a> Comp Str Biotechnol J. 13, 8-17 (2015).</li>
<li>Liu, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Machine+learning-based+integration+develops+an+immune-derived+lncRNA+signature+for+improving+outcomes+in+colorectal+cancer%5BTitle%5D)+AND+%22Nat+Comm%22%5BJournal%5D)">Machine learning-based integration develops an immune-derived lncRNA signature for improving outcomes in colorectal cancer.</a> Nat Comm. 13 (1), 816(2022).</li>
<li>Sundar, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Machine-learning+model+derived+gene+signature+predictive+of+paclitaxel+survival+benefit+in+gastric+cancer%3A+results+from+the+randomised+phase+III+SAMIT+trial%5BTitle%5D)+AND+%22Gut%22%5BJournal%5D)">Machine-learning model derived gene signature predictive of paclitaxel survival benefit in gastric cancer: results from the randomised phase III SAMIT trial.</a> Gut. 71 (4), 676-685 (2022).</li>
<li>Zhang, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Machine+learning-based+investigation+of+regulated+cell+death+for+predicting+prognosis+and+immunotherapy+response+in+glioma+patients%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">Machine learning-based investigation of regulated cell death for predicting prognosis and immunotherapy response in glioma patients.</a> Sci Rep. 14 (1), 4173(2024).</li>
<li>Zhang, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pan-cancer+evaluation+of+regulated+cell+death+to+predict+overall+survival+and+immune+checkpoint+inhibitor+response%5BTitle%5D)+AND+%22NPJ+Precision+Oncol%22%5BJournal%5D)">Pan-cancer evaluation of regulated cell death to predict overall survival and immune checkpoint inhibitor response.</a> NPJ Precision Oncol. 8 (1), 77(2024).</li>
<li>Hindocha, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comparison+of+machine+learning+methods+for+predicting+recurrence+and+death+after+curative-intent+radiotherapy+for+non-small+cell+lung+cancer%3A+Development+and+validation+of+multivariable+clinical+prediction+models%5BTitle%5D)+AND+%22EBioMedicine%22%5BJournal%5D)">A comparison of machine learning methods for predicting recurrence and death after curative-intent radiotherapy for non-small cell lung cancer: Development and validation of multivariable clinical prediction models.</a> EBioMedicine. 77, 103911(2022).</li>
<li>Liu, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mime%3A+A+flexible+machine-learning+framework+to+construct+and+visualize+models+for+clinical+characteristics+prediction+and+feature+selection%5BTitle%5D)+AND+%22Comput+Str+Biotechnol+J%22%5BJournal%5D)">Mime: A flexible machine-learning framework to construct and visualize models for clinical characteristics prediction and feature selection.</a> Comput Str Biotechnol J. 23, 2798-2810 (2024).</li>
<li>Hwang, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Big+data+and+deep+learning+for+RNA+biology%5BTitle%5D)+AND+%22Exp+Mol+Med%22%5BJournal%5D)">Big data and deep learning for RNA biology.</a> Exp Mol Med. 56 (6), 1293-1321 (2024).</li>
<li>Sharma, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Advances+in+AI+and+machine+learning+for+predictive+medicine%5BTitle%5D)+AND+%22J+Hum+Genet%22%5BJournal%5D)">Advances in AI and machine learning for predictive medicine.</a> J Hum Genet. 69 (10), 487-497 (2024).</li>
<li>Greener, J. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+guide+to+machine+learning+for+biologists%5BTitle%5D)+AND+%22Nat+Rev+Mol+Cell+Biol%22%5BJournal%5D)">A guide to machine learning for biologists.</a> Nat Rev Mol Cell Biol. 23 (1), 40-55 (2022).</li>
</ol>

<table><tbody><tr><td>パッケージ名</td><td>バージョン</td><td>ソフトウェア</td><td></td></tr><tr><td>アプロット</td><td>0.1.10</td><td>Rスタジオ</td><td></td></tr><tr><td>バート</td><td>2.9.4</td><td>Rスタジオ</td><td></td></tr><tr><td>ボルタ</td><td>8.0.0</td><td>Rスタジオ</td><td></td></tr><tr><td>がんクラス</td><td>1.38.0</td><td>Rスタジオ</td><td></td></tr><tr><td>キャレット</td><td>6.0-89</td><td>Rスタジオ</td><td></td></tr><tr><td>Ckmeans.1d.dp</td><td>4.3.5</td><td>Rスタジオ</td><td></td></tr><tr><td>比較C</td><td>1.3.2</td><td>Rスタジオ</td><td></td></tr><tr><td>コンプレックスヒートマップ</td><td>2.15.1</td><td>Rスタジオ</td><td></td></tr><tr><td>組成</td><td>2.0-4</td><td>Rスタジオ</td><td></td></tr><tr><td>データ.テーブル</td><td>1.14.0</td><td>Rスタジオ</td><td></td></tr><tr><td>doパラレル</td><td>1.0.16</td><td>Rスタジオ</td><td></td></tr><tr><td>dplyr</td><td>1.1.3</td><td>Rスタジオ</td><td></td></tr><tr><td>1071年末</td><td>1.7-7</td><td>Rスタジオ</td><td></td></tr><tr><td>フォレストプロータ</td><td>1.1.0</td><td>Rスタジオ</td><td></td></tr><tr><td>未来</td><td>1.21.0</td><td>Rスタジオ</td><td></td></tr><tr><td>GBMの</td><td>2.1.8.1</td><td>Rスタジオ</td><td></td></tr><tr><td>グブレイク</td><td>0.1.1</td><td>Rスタジオ</td><td></td></tr><tr><td>ggplot2</td><td>3.4.1</td><td>Rスタジオ</td><td></td></tr><tr><td>ggpubr</td><td>0.4.0</td><td>Rスタジオ</td><td></td></tr><tr><td>ggsci</td><td>2.9</td><td>Rスタジオ</td><td></td></tr><tr><td>GLMNET</td><td>4.1-2</td><td>Rスタジオ</td><td></td></tr><tr><td>グリッド</td><td>4.1.3</td><td>Rスタジオ</td><td></td></tr><tr><td>グリッドエクストラ</td><td>2.3</td><td>Rスタジオ</td><td></td></tr><tr><td>GSEAベーゼ</td><td>1.54.0</td><td>Rスタジオ</td><td></td></tr><tr><td>GSVAの</td><td>1.40.1</td><td>Rスタジオ</td><td></td></tr><tr><td>ヒミスク</td><td>5.1-1</td><td>Rスタジオ</td><td></td></tr><tr><td>kknn</td><td>1.3.1</td><td>Rスタジオ</td><td></td></tr><tr><td>ニットル</td><td>1.42</td><td>Rスタジオ</td><td></td></tr><tr><td>マグリットル</td><td>2.7.2</td><td>Rスタジオ</td><td></td></tr><tr><td>行列</td><td>1.5-4</td><td>Rスタジオ</td><td></td></tr><tr><td>メタ</td><td>5.2-0</td><td>Rスタジオ</td><td></td></tr><tr><td>その他のツール</td><td>0.6-28</td><td>Rスタジオ</td><td></td></tr><tr><td>ミックスオミクス</td><td>6.18.1</td><td>Rスタジオ</td><td></td></tr><tr><td>ミックスツール</td><td>1.2.0</td><td>Rスタジオ</td><td></td></tr><tr><td>pbapply</td><td>1.4-3</td><td>Rスタジオ</td><td></td></tr><tr><td>plsRcox</td><td>1.7.7</td><td>Rスタジオ</td><td></td></tr><tr><td>pROCの</td><td>1.18.0</td><td>Rスタジオ</td><td></td></tr><tr><td>R</td><td>4.1.3</td><td>Rスタジオ</td><td></td></tr><tr><td>ランダムフォレストSRC</td><td>4.6-14</td><td>Rスタジオ</td><td></td></tr><tr><td>リーダー</td><td>1.4.0</td><td>Rスタジオ</td><td></td></tr><tr><td>レシピ</td><td>0.1.17</td><td>Rスタジオ</td><td></td></tr><tr><td>形状変更2</td><td>1.4.4</td><td>Rスタジオ</td><td></td></tr><tr><td>rマークダウン</td><td>2.8</td><td>Rスタジオ</td><td></td></tr><tr><td>ROCit</td><td>2.1.1</td><td>Rスタジオ</td><td></td></tr><tr><td>ROCRの</td><td>1.0-11</td><td>Rスタジオ</td><td></td></tr><tr><td>秤</td><td>1.2.1</td><td>Rスタジオ</td><td></td></tr><tr><td>雀</td><td>1.0.3</td><td>Rスタジオ</td><td></td></tr><tr><td>ストリンガー</td><td>1.5.0</td><td>Rスタジオ</td><td></td></tr><tr><td>スーパーPC</td><td>1.12</td><td>Rスタジオ</td><td></td></tr><tr><td>生存</td><td>3.3-1</td><td>Rスタジオ</td><td></td></tr><tr><td>生存ROC</td><td>1.0.3</td><td>Rスタジオ</td><td></td></tr><tr><td>サバイバルSVM</td><td>0.0.5</td><td>Rスタジオ</td><td></td></tr><tr><td>SVA</td><td>3.40.0</td><td>Rスタジオ</td><td></td></tr><tr><td>testを</td><td>3.1.0</td><td>Rスタジオ</td><td></td></tr><tr><td>ティブル</td><td>3.2.1</td><td>Rスタジオ</td><td></td></tr><tr><td>ティディル</td><td>1.3.0</td><td>Rスタジオ</td><td></td></tr><tr><td>ティディバース</td><td>1.3.1</td><td>Rスタジオ</td><td></td></tr><tr><td>アップセットR</td><td>1.4.0</td><td>Rスタジオ</td><td></td></tr><tr><td>ビリディス</td><td>0.6.1</td><td>Rスタジオ</td><td></td></tr></tbody></table>

mimeベースの機械学習フレームワークを用いたモデルの構築と可視化

Constructing and Visualizing Models using Mime-based Machine-learning Framework

genelistとExample.cohort(1つのトレーニングコホートと1つの検証コホートを含む)を使用して、Mimeに10の機械学習アルゴリズムを統合して予後モデルを構築しました。Mimeが構築した117の予後モデルのうち、StepCox[forward] + plsRcox combined model(SPCOM)は、全コホートの中で最も高いC指数を示し、優れた性能を示しました(図1A)。患者はさらに、SPCOMによって計算されたリスクスコアの中央値に従って、高リスクグループと低リスクグループに分けられました。興味深いことに、高リスクスコアの患者は、すべてのコホートで転帰が有意に悪かった(図1B)。注目すべきは、SPCOMが予測した1年間のAUCが、すべてのコホートでAUCの平均が最も高い1位にランクされたことです(図1C、D)。これらの結果から、MIMEベースの機械学習フレームワークにより、提供された遺伝子セットと...

MIMEベースの機械学習フレームワークを用いたモデルの構築と可視化

The widespread high-throughput sequencing technology has significantly enhanced our understanding of biology and cancer heterogeneity. Machine learning ...

constructing-visualizing-models-using-mime-based-machine-learning

Research

JoVE Journal

Engineering

工学

モデルとしてジャッキー竜を使用して作られた刺激。...

コンピュータによって生成された動物モデルの刺激

我々は正確に定義された機能の変動に自然主義的な3-Dオブジェクトとオブジェクトカテゴリを作成するための新しい方法論を記述する。次に、視覚画像や触覚オブジェクトとしてレンダリングできます小説、自然主義的な仮想3-Dオブジェクトとオブジェクトカテゴリを作成する形態形成と系統発生の生物学的プロセスのシミュレーションを使用しています。...

知覚と知覚学習を研究するためのオブジェクトとオブジェクトのカテゴリを作成する

低侵襲の筋肉 (MIME) の埋め込み - ドナー細胞の筋を容易にする新しい実験手法

このプロトコルでは、電子顕微鏡や共焦点顕微鏡画像から心筋細胞の細胞内構造の空間的有限要素モデルを作成する手法について説明します。カルシウム...

心筋細胞のシステム生物学における細胞構造の役割を研究する心筋細胞の構造的に現実的な有限要素の幾何学的なモデルを作成します。

生体分子モデリングの重要なスキルは、タンパク質中の活性部位の表示とコメント付けです。この技術は、高分子視覚化のための4つの一般的なフリープログラムを使用して実証されています: iCn3D, Jmol, PyMOL, および UCSF ChimeraX.

分子可視化フリーウェアを用いた酵素活性部位のモデリング

この記事では、固定細胞の蛍光顕微鏡画像でミトコンドリアの形態を分析するために、シミュレーション教師あり機械学習を使用する方法について説明します。...

シミュレーション教師あり学習によるミトコンドリア形態の解析

本稿では、任意の新しい物理モデルの保守的で攻撃的な限界に実験的な単純化したモデルの制限を作り直すためのプロトコルを示しています。公的に利用可能なLHCの実験結果は、超対称性のようなシグネチャを持つほとんどすべての新しい物理モデルの限界に、このように書き直すことができます。...

簡易モデルによる超対称性の制限を設定する

シリコン界面の表面ドーピングの詳細な手順が提供されています。超浅面ドーピングは、リン含有単分子膜と迅速なアニーリングプロセスを使用することによって実証されます。この方法は、巨視的な領域表面だけでなく、ナノ構造のドーピングにも使用できます。...

有機リン化合物を用いたシリコン表面およびナノワイヤの単層接触ドーピング

私たちは、超音波の摩耗と摩擦の減少が線速度、接触圧力、および表面特性に依存することを調査するために、圧電アシストトライボメータと光学プロファイロメータを使用するためのプロトコルを提示します。...

圧電支援摩擦計と光プロフィルを用いた超音波潤滑の実験

薄膜における拡散勾配（DGT）の技術は、プルトニウムの分化の研究のために提案されています。このプロトコルは、有機物の存在下でのPu（IV）とPu（V）の動作をプロービング拡散実験について説明します。カルスト春に配備DGTSはプルトニウムの生物学的利用能の評価を可能にします。...

薄膜における拡散を用いた環境プルトニウムのスペシエーションと生物学的利用能の測定

学ぶ MIMEフレームワークを用いた機械学習モデルの構築と可視化手法。疾患関連遺伝子予測や予後モデリング、治療応答予測を統合的に評価するバイオインフォマティクス解析プラットフォームの活用方法を解説します。

MIMEベースの機械学習フレームワークを用いたモデルの構築と可視化

さらに動画を探す