Magyar
Toggle navigation
Tudóstér
Magyar
Tudóstér
Keresés
Egyszerű keresés
Összetett keresés
CCL keresés
Egyszerű keresés
Összetett keresés
CCL keresés
Böngészés
Saját polc tartalma
(
0
)
Korábbi keresések
CCL parancs
CCL
Összesen 1 találat.
#/oldal:
12
36
60
120
Rövid
Hosszú
MARC
Részletezés:
Rendezés:
Szerző növekvő
Szerző csökkenő
Cím növekvő
Cím csökkenő
Dátum növekvő
Dátum csökkenő
1.
001-es BibID:
BIBFORM118662
035-os BibID:
(WoS)001161390600001 (Scopus)85185143533
Első szerző:
Baráth Sándor (biológus)
Cím:
Enhancing HLA-B27 antigen detection : Leveraging machine learning algorithms for flow cytometric analysis / Baráth Sándor, Singh Parvind, Hevessy Zsuzsanna, Ujfalusi Anikó, Mezei Zoltán, Balogh Mária, Száraz Széles Marianna, Kappelmayer János
Dátum:
2024
ISSN:
1552-4949
Megjegyzések:
As the association of human leukocyte antigen B27 (HLA-B27) with spondylarthropathies is widely known, HLA-B27 antigen expression is frequently identified using flow cytometric or other techniques. Because of the possibility of cross-reaction with off target antigens, such as HLA-B7, each flow cytometric technique applies a "gray zone" reserved for equivocal findings. Our aim was to use machine learning (ML) methods to classify such equivocal data as positive or negative. Equivocal samples (n = 99) were selected from samples submitted to our institution for clinical evaluation by HLA-B27 antigen testing. Samples were analyzed by flow cytometry and polymerase chain reaction. Features of histograms generated by flow cytometry were used to train and validate ML methods for classification as logistic regression (LR), decision tree (DT), random forest (RF) and light gradient boost method (GBM). All evaluated ML algorithms performed well, with high accuracy, sensitivity, specificity, as well as negative and positive predictive values. Although, gradient boost approaches are proposed as high performance methods; nevertheless, their effectiveness may be lower for smaller sample sizes. On our relatively smaller sample set, the random forest algorithm performed best (AUC: 0.92), but there was no statistically significant difference between the ML algorithms used. AUC values for light GBM, DT, and LR were 0.88, 0.89, 0.89, respectively. Implementing these algorithms into the process of HLA-B27 testing can reduce the number of uncertain, false negative or false positive cases, especially in laboratories where no genetic testing is available.
Tárgyszavak:
Orvostudományok
Klinikai orvostudományok
idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Megjelenés:
Cytometry Part B-Clinical Cytometry. - [Epub ahead of print] (2024). -
További szerzők:
Singh, Parvind (1995-) (PhD hallgató)
Hevessy Zsuzsanna (1966-) (laboratóriumi szakorvos)
Ujfalusi Anikó (1968-) (gyermekorvos, laboratóriumi szakorvos)
Mezei Zoltán András (1980-) (orvos)
Balogh Mária
Széles Mariann
Kappelmayer János (1960-) (laboratóriumi szakorvos)
Internet cím:
Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:
Rekordok letöltése
1
Corvina könyvtári katalógus v8.2.27
© 2023
Monguz kft.
Minden jog fenntartva.