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:
MSLp: Superresolución Profunda para Imágenes Satelitales Meteorológicas
Artículos:
Selección de Características mediante Algoritmos Genéticos para la Generación de un Modelo de Reconocimiento y Clasificación de Actividades Infantiles mediante Sonido Ambiental
Artículos:
Método de Análisis de Datos de la Plataforma de Análisis Inteligente para Grandes Datos de Cine y Televisión
Artículos:
El estudio de la heterogeneidad espacial y la evolución estructural de la red de comercio de servicios de productores.
Artículos:
Desarrollando un Sistema de Texto a Voz Amigable para Niños
Artículos:
Compuestos bioactivos de microalgas rojas con valor terapéutico y nutricional
Artículos:
Enfoque de aplicación ágil con Scrum, Lean y Kanban
Artículos:
Arquitectura de software orientada a la creación de micromundos para la enseñanza y el aprendizaje
Artículos:
Perspectivas sobre datos masivos y analítica de datos masivos