ThyroProt™

View :5367
Contact Us via Email:
service@westlakeomics.com
Online Enquiries

♦ 基于蛋白组学的甲状腺结节良恶性判别模型

2022年9月,西湖大学研究团队和西湖欧米联合国内外多家临床单位对1724个甲状腺结节的石蜡包埋样本进行了蛋白组学分析[9]

通过PCT-DIA方法采集蛋白质定量表达数据,构建了涵盖五种组织类型的甲状腺与甲状腺结节蛋白质组表达图谱。借助人工智能神经网络算法构建基于蛋白质组特征的甲状腺结节的良恶性判别模型。该模型在发现集中评估准确率高达91%。

并且,在回顾性测试集(288例石蜡样本)与前瞻性测试集(294例穿刺样本)中,模型对甲状腺结节的分类准确率分别高达89%和85%。该研究为基于蛋白组的甲状腺结节良恶性分子诊断方法开发提供了研究基础,也展示了高通量蛋白质组学与Al技术的深度碰撞。

♦ 基于蛋白组学的甲状腺结节良恶性判别模型

2022年9月,西湖大学研究团队和西湖欧米联合国内外多家临床单位对1724个甲状腺结节的石蜡包埋样本进行了蛋白组学分析[9]

通过PCT-DIA方法采集蛋白质定量表达数据,构建了涵盖五种组织类型的甲状腺与甲状腺结节蛋白质组表达图谱。借助人工智能神经网络算法构建基于蛋白质组特征的甲状腺结节的良恶性判别模型。该模型在发现集中评估准确率高达91%。

并且,在回顾性测试集(288例石蜡样本)与前瞻性测试集(294例穿刺样本)中,模型对甲状腺结节的分类准确率分别高达89%和85%。该研究为基于蛋白组的甲状腺结节良恶性分子诊断方法开发提供了研究基础,也展示了高通量蛋白质组学与Al技术的深度碰撞。

问询(英文)
Online enquiries

公众号