Resumen

La detección y caracterización de mutaciones somáticas se han convertido en el medio importante para analizar la ocurrencia y desarrollo del cáncer y, en última instancia, ayudarán a seleccionar un tratamiento efectivo y preciso para pacientes con cáncer específico. Es muy difícil detectar mutaciones somáticas con precisión a partir de los datos de secuenciación masiva. En este artículo, se utiliza una red neuronal profunda con incrustación de bosque gráfico (forgeNet) para detectar mutaciones somáticas a partir de los datos de secuenciación. En forgeNet, se utilizan el bosque aleatorio (RF) o la Máquina de Refuerzo Gradiente (GBM) y la red neuronal profunda con incrustación de gráfico (GEDFN) para extraer características e implementar la clasificación, respectivamente. Se utilizan tres conjuntos de datos reales de mutaciones somáticas recopilados de 48 cánceres de mama triple negativos para probar las actuaciones de detección de mutaciones somáticas de forgeNet. Los resultados de detección muestran que forgeNet podría lograr mejoras del

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Detección; Mutaciones somáticas; Cáncer; ForgeNet; Datos de secuenciación; Clasificación
• Keywords:Detection; Somatic mutations; Cancer; ForgeNet; Sequencing data; Classification