首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

Nat. Commun. | 抗体体细胞突变的机器学习分析预测免疫球蛋白轻链毒性

今天向大家介绍由瑞士贝林佐纳,生物医学研究所的Maura Garofalo等人于2021年6月10日发表在《Nature Communications》上的一篇名为“Machine learning analyses of antibody somatic mutations predict immunoglobulin light chain toxicity”的一篇论文。在系统性轻链淀粉样变性 (AL) 中,致病性单克隆免疫球蛋白轻链(LC)在靶器官中形成毒性聚集物和淀粉样原纤维。及时诊断对于避免永久性器官损伤至关重要,但由于症状通常仅在器官严重损伤后才会出现,导致延迟诊断的情况时常发生。在这项工作中,作者提出了LICTOR,一种基于克隆选择过程中获得的体细胞突变分布来预测免疫球蛋白中轻链毒性的机器学习方法。LICTOR的特异性和灵敏度分别为0.82和0.76,受试者工作特征曲线下的面积(AUC)为0.87。同时,作者也在一组独立的12个具有已知临床表型的轻链序列上进行测试,LICTOR取得了83%的预测准确率。此外,可以通过硅还原LICTOR发现的两个生殖细胞特异性体细胞突变,并通过实验评估秀丽隐杆线虫模型体内毒性的损失来消除轻链(LC)的毒性表型。因此,作者指出,所提出的LICTOR方法是诊断AL和降低AL高死亡率的一种有前途的策略。

04

教你如何用python解决非平衡数据建模(附代码与数据)

本次分享的主题是关于数据挖掘中常见的非平衡数据的处理,内容涉及到非平衡数据的解决方案和原理,以及如何使用Python这个强大的工具实现平衡的转换。 SMOTE算法的介绍 在实际应用中,读者可能会碰到一种比较头疼的问题,那就是分类问题中类别型的因变量可能存在严重的偏倚,即类别之间的比例严重失调。如欺诈问题中,欺诈类观测在样本集中毕竟占少数;客户流失问题中,非忠实的客户往往也是占很少一部分;在某营销活动的响应问题中,真正参与活动的客户也同样只是少部分。 如果数据存在严重的不平衡,预测得出的结论往往也是有偏的,

08
领券