研究人员确定了分析大型患者数据集的强大工具

昆士兰大学的免疫学和生物信息学研究人员已经确定了一种用于分析大型患者数据集的强大工具。他们的工作可能会导致更好的患者分层，以及准确和更快地采用靶向治疗。

当您考虑到我们正在查看大型患者数据集时，每个患者都有超过 10,000 个基因，我们需要一种非常好的方法来降低这些大数据的复杂性，以便更好地进行解释。

研究人员比较了四种不同的主流工具，以根据患者的基因表达来分析患者的血液特征。这些方法与 71 个临床数据集进行了比较，每个数据集包含 100 多个患者样本。

在比较的四种工具中，UMAP 的功能非常强大。它的表现明显优于 PCA，这是许多临床医生目前用来尝试对患者进行分层的工具。

UMAP 在报告患者聚类方面最有效。使用该工具，研究人员能够将健康样本与狼疮样本分开，并将狼疮患者分为疾病亚组。他们还可以显示哪些患者病情好转，哪些患者病情恶化。获取更多前沿科技 研究进展 访问：https://byteclicks.com

UMAP工具相对较新，目前仅用于生物医学研究；然而，研究人员希望在《细胞报告 》杂志上发表的结果将在未来临床中应用。

UMAP 的算法更多地基于机器学习，这使得它比流行的 PCA 工具更强大，后者采用线性方法。