موضوع فارسی :ارزیابی Biosimilarity مدل IgG1 و-FC Glycoforms با استفاده از یک
رویکرد یادگیری ماشین
موضوع انگلیسی :Biosimilarity Assessments of Model IgG1-Fc Glycoforms Using a
Machine Learning Approach
تعداد صفحه :11
فرمت فایل :PDF
سال انتشار :2016
زبان مقاله : انگلیسی
ارزیابی Biosimilarity انجام تصمیم بگیرد که آیا 2 آماده سازی از مولکولهای زیستی پیچیده را می
در نظر گرفته شود "بسیار مشابه است." در این کار، یک ماشین یادگیری رویکرد به عنوان یک ریاضی نشان داد
ابزار برای چنین ارزیابی با استفاده از انواع مجموعه داده های تحلیلی. به عنوان اثبات اصل، فیزیکی
داده ثبات دستگاه از 8 نمونه، 4 به خوبی تعریف شده ایمونوگلوبولین G1-قطعه glycoforms crystallizable
در 2 فرمولاسیون های مختلف، مورد بررسی قرار گرفت (نگاه کنید به بیشتر و همکاران، مقاله همدم در این موضوع).
مجموعه داده ها شامل اندازه گیری سه نسخه از 3 روش های تحلیلی در سراسر pH و درجه حرارت های مختلف
شرایط (2066 ویژگی های داده ها). روش های یادگیری ماشین برای تعیین تاسیس مورد استفاده قرار گرفت
آیا مجموعه داده شامل قدرت افتراق کافی در این نرم افزار. بردار پشتیبانی
ماشین طبقه بندی 8 نمونه مجزا با دقت بالا مشخص شده است. برای این مجموعه داده وجود دارد، یک
آستانه حداقل از لحاظ کیفیت اطلاعات و حجم به اعطای قدرت افتراق به اندازه کافی.
به طور کلی، داده ها را از روش های متعدد تحلیلی، شرایط pH های مختلف، و حداقل 200 نماینده
ویژگی های برای رسیدن به بالاترین دقت افتراقی مورد نیاز بود. علاوه بر طبقه بندی
آزمون دقت، روش های مختلف مانند تجسم فضای نمونه، تجزیه و تحلیل بر اساس شباهت
فاصله اقلیدسی، و از ویژگی های رتبه بندی شده توسط نمرات اطلاعات متقابل نشان داد برای نمایش خود
اثربخشی به عنوان ابزار مدل سازی برای ارزیابی biosimilarity
دانلود مقاله ISI ارزیابی Biosimilarity مدل IgG1 و-FC Glycoforms با استفاده از یک رویکرد یادگیری ماشین