Complex diseases usually involve co

Complex diseases usually involve complex interactions between multiple loci. The artificial intelligent
algorithm is a plausible strategy to evade combinatorial explosion. However, the randomness of solution
of this algorithm loses decreases the confidence of biological researchers on this algorithm. Meanwhile,
the lack of an efficient and effective measure to profile the distribution of cases and controls impedes the
discovery of pathogenic epistasis. Here we present an efficient method called maximum dissimilarity–
minimum entropy (MDME) to analyze breast cancer single-nucleotide polymorphism (SNP) data.
The method searches risky barcodes, which to increase the odds ratio and relative risk of the breast
cancer. This method based on the hypothesis that if a specific barcode is associated with a disease, then
the barcode permits distinction of cases from controls and more importantly it shows a relative
consistent pattern in cases. An analysis based on simulated dataset explains the necessity of minimum
entropy. Experimental results show that our method can find the most risky barcode that contributes to
breast cancer susceptibility. Our method may also mine several pathogenic barcodes that condition the
different subtypes of cancer.

ผลลัพธ์ (ไทย) 1:

โรคที่ซับซ้อนมักจะเกี่ยวข้องกับการโต้ตอบที่ซับซ้อนระหว่าง loci หลาย การประดิษฐ์อัจฉริยะอัลกอริทึมคือ กลยุทธ์การรับมือเพื่อหนีปัญหากระจาย อย่างไรก็ตาม randomness ของโซลูชันของอัลกอริทึมนี้สูญเสียความเชื่อมั่นของนักวิจัยชีวภาพบนอัลกอริทึมนี้ลดลง ในขณะเดียวกันimpedes ขาดการวัดประสิทธิภาพ และประสิทธิผลกับโพรไฟล์การกระจายของกรณีและปัญหาและควบคุมการการค้นพบ epistasis อุบัติ ที่นี่เรานำเสนอวิธีการมีประสิทธิภาพที่เรียกว่า dissimilarity สูงสุด –entropy ต่ำสุด (MDME) เพื่อวิเคราะห์ข้อมูลเดียวนิวคลีโอไทด์โพลีมอร์ฟิซึม (SNP) มะเร็งเต้านมบาร์โค้ดมีความเสี่ยง การค้นหาวิธีที่จะเพิ่มอัตราส่วนของราคาและความเสี่ยงสัมพัทธ์ของเต้านมโรคมะเร็ง วิธีการนี้อยู่บนสมมติฐานว่าถ้าบาร์โค้ดเฉพาะจะเกี่ยวข้องกับโรคบาร์โค้ดช่วยให้กรณีความแตกต่างจากการควบคุม และที่สำคัญมันแสดงญาติรูปแบบที่สอดคล้องกันในกรณี การวิเคราะห์ตามชุดข้อมูลจำลองอธิบายความจำเป็นขั้นต่ำเอนโทรปี ผลการทดลองแสดงว่า วิธีการของเราสามารถค้นหาโค้ดมีความเสี่ยงสูงสุดที่สนับสนุนภูมิไวรับมะเร็งเต้านม วิธีของเราอาจยังเหมืองบาร์โค้ดอุบัติหลายเงื่อนไขที่จะsubtypes ที่แตกต่างของโรคมะเร็ง

ผลลัพธ์ (ไทย) 2:

โรคที่ซับซ้อนมักจะเกี่ยวข้องกับการมีปฏิสัมพันธ์ที่ซับซ้อนระหว่าง loci หลาย อัจฉริยะประดิษฐ์
อัลกอริทึมเป็นกลยุทธ์ที่เป็นไปได้ที่จะหลบเลี่ยงการระเบิด combinatorial อย่างไรก็ตามแบบแผนของการแก้ปัญหา
ของขั้นตอนวิธีนี้สูญเสียลดลงความเชื่อมั่นของนักวิจัยทางชีววิทยาในขั้นตอนวิธีนี้ ในขณะเดียวกัน
การขาดมาตรการที่มีประสิทธิภาพและมีประสิทธิภาพในการกระจายรายละเอียดของคดีและการควบคุมการขัดขวาง
การค้นพบของ Epistasis ที่ทำให้เกิดโรค ที่นี่เรานำเสนอวิธีที่มีประสิทธิภาพสูงสุดที่เรียกว่า dissimilarity-
เอนโทรปีขั้นต่ำ (MDME) ในการวิเคราะห์โรคมะเร็งหลายรูปแบบเดียวเบื่อหน่ายเต้านม (SNP) ข้อมูล.
วิธีการค้นหาบาร์โค้ดมีความเสี่ยงที่จะเพิ่มอัตราส่วนราคาต่อรองและความเสี่ยงสัมพัทธ์ของเต้านม
มะเร็ง วิธีการนี้จะขึ้นอยู่กับสมมติฐานที่ว่าหากบาร์โค้ดเฉพาะที่เกี่ยวข้องกับการเกิดโรคแล้ว
บาร์โค้ดอนุญาตให้แตกต่างจากกรณีจากการควบคุมและที่สำคัญมันแสดงให้เห็นญาติ
รูปแบบที่สอดคล้องกันในกรณี การวิเคราะห์บนพื้นฐานของชุดข้อมูลที่จำลองอธิบายถึงความจำเป็นของการขั้นต่ำ
เอนโทรปี ผลการทดลองแสดงให้เห็นว่าวิธีการที่เราสามารถหาบาร์โค้ดมีความเสี่ยงมากที่สุดที่ก่อให้เกิด
ความไวต่อโรคมะเร็งเต้านม วิธีการของเรายังอาจเหมืองบาร์โค้ดที่ทำให้เกิดโรคหลายอย่างที่สภาพ
ชนิดย่อยที่แตกต่างกันของโรคมะเร็ง

ผลลัพธ์ (ไทย) 3:

โรคที่มักจะเกี่ยวข้องกับการปฏิสัมพันธ์ที่ซับซ้อนระหว่างหลายตำแหน่ง . ขั้นตอนวิธีฉลาด
เทียมเป็นกลยุทธ์ที่น่าเชื่อถือเพื่อหลบเลี่ยงการระเบิดการ . อย่างไรก็ตาม การสุ่มของสารละลาย
ของขั้นตอนวิธีนี้สูญเสียลดความมั่นใจของนักวิจัยทางชีววิทยา ในวิธีนี้ โดย
การขาดมาตรการที่มีประสิทธิภาพ และประสิทธิผลโปรไฟล์กระจายกรณีการควบคุมและขัดขวาง
ค้นพบ epistasis เชื้อโรค . ที่นี่เรานำเสนอเป็นวิธีที่มีประสิทธิภาพสูงสุดและต่ำสุดจะเรียกว่า
เอนโทรปี ( mdme ) วิเคราะห์ polymorphism ( SNP เดี่ยวยีนมะเร็งเต้านม ) ข้อมูล .
วิธีการค้นหาบาร์โค้ดที่มีความเสี่ยงซึ่งจะเพิ่มโอกาสเสี่ยงต่อโรคมะเร็งเต้านม และญาติของ

วิธีนี้ขึ้นอยู่กับสมมติฐานที่ว่า ถ้าบาร์โค้ดเฉพาะจะเกี่ยวข้องกับโรคแล้ว
บาร์โค้ดให้ความแตกต่างของกรณีจากการควบคุมและที่สำคัญมันแสดงให้เห็นรูปแบบที่สอดคล้องสัมพันธ์
ในกรณี การวิเคราะห์ตามชุดข้อมูลจำลองอธิบายถึงความจำเป็นของเอนโทรปีต่ำที่สุด

ผลการทดลองแสดงให้เห็นว่าวิธีการของเราสามารถค้นหาความเสี่ยงมากที่สุดบาร์โค้ดที่จัดสรร
susceptibility มะเร็งเต้านม วิธีการของเราอาจจะยังใช้บาร์โค้ดที่เหมืองหลายเงื่อนไข
ชนิดย่อยที่แตกต่างกันของโรคมะเร็ง