El cáncer colorrectal (CCR), como resultado de un proceso multietapa y bajo múltiples factores, es uno de los cánceres potencialmente mortales más comunes en todo el mundo. Identificar a las poblaciones de alto riesgo es crucial para el diagnóstico temprano y la mejora de la tasa de supervivencia general. De entre los complicados factores genéticos y ambientales, cuál grupo es el más preocupante para la carcinogénesis colorrectal sigue siendo motivo de controversia. Por esta razón, este estudio recopila información relativamente completa de variaciones genéticas y exposición ambiental tanto para pacientes con CCR como para controles sin cáncer; se desarrolla un modelo de predicción de riesgo de CCR mediante un modelo de conjunto multimétodo utilizando estos grandes datos para entrenar y probar el modelo. Nuestros resultados demuestran que (1) los biomarcadores genéticos y ambientales explorados se validan como conectados al CCR por evidencias basadas en la función biológica o en la población, (2) el modelo puede predecir eficient
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículos:
Análisis de características de imagen de resonancia magnética basado en aprendizaje profundo para la clasificación patológica de gliomas cerebrales.
Artículos:
Diseño y aplicación de un mecanismo de autenticación continua basado en un mecanismo de fusión multimodal
Artículos:
Investigación y aplicación de ataques de análisis de potencia para datos desequilibrados
Artículos:
Análisis y simulación del modelo del proceso de integración de la cadena de valor de fabricación de equipos.
Artículos:
¿Influyen el tamaño de la ciudad y la densidad de población en la producción de innovación regional? Evidencia de China.
Artículos:
La curva S como herramienta para la planeación y control de procesos de construcción: casos de estudio
Artículos:
Investigación sobre control de costos de proyectos de construcción con base en la teoría de construcción sin pérdidas y BIM : caso práctico
Artículos:
Agua subterránea : el recurso oculto
Artículos:
Modelo de aceptación de las tecnologías basadas en la inteligencia artificial (IA) en las empresas de construcción: Aplicación del Modelo de Aceptación de la Tecnología (TAM) en combinación con el Marco Tecnología-Organización-Entorno (TOE)