上调滤泡性甲状腺癌标本中的

目标转录本图查看全尺寸图通过预测的两个靶标的相对表达水平。在肿瘤组个滤泡癌和个正常甲状腺样本中检查的和的两个计算预测靶标的相对表达水平也用于分析。与相比和分别显示出倍和倍相对增加。

蓝色条代表绿色条代表引用分子内分泌

学杂志下载图下载图表作为幻灯片基于的滤泡结节分类为了概述滤泡性肿瘤和爱尔兰商业电子邮件列表和的表达我们使用所有表达的进行了主成分分析图。在这个阶段可以区分两个群体反映了群体之间表达相对较大且一致的差异。通过检验过滤表达值我们得到了个的子集其中滤泡瘤形成可以很容易地与组织区分开。随后我们尝试通过学生的方法将与腺瘤分开。测试特征选择并应用监督学习算法和来生成分类器。

和分类的最佳特征由两个和组成并且

基于两个分类的表达值生成图图。癌症的阴性预测值和阳性预测值均为。用于计丹麦电话号码列表算错误分类率。基于个随机排列分类器的值为。可以转变为概率分类器给出预测类别标签的概率估计即评估预测不确定性。表列出了所有样本的预测概率。样本虽然正确分类但其概率为而错误分类的样本的概率为表明高度不确定而很可能是误诊的癌症。生成能够区分和微浸润癌的分类器是不可行的。即便如此广泛浸润癌与微浸润癌可以通过的表达来区分与微创癌相比的表