Artificial Neural Networks for Classification in Metabolomic Studies of Whole Cells Using H-1 Nuclear Magnetic Resonance

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14310%2F11%3A00081755" target="_blank" >RIV/00216224:14310/11:00081755 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1155/2011/158094" target="_blank" >http://dx.doi.org/10.1155/2011/158094</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1155/2011/158094" target="_blank" >10.1155/2011/158094</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Artificial Neural Networks for Classification in Metabolomic Studies of Whole Cells Using H-1 Nuclear Magnetic Resonance

Popis výsledku v původním jazyce

We report the successful classification, by artificial neural networks (ANNs), of H-1 NMR spectroscopic data recorded on whole-cell culture samples of four different lung carcinoma cell lines, which display different drug resistance patterns. The robustness of the approach was demonstrated by its ability to classify the cell line correctly in 100% of cases, despite the demonstrated presence of operator-induced sources of variation, and irrespective of which spectra are used for training and for validation. The study demonstrates the potential of ANN for lung carcinoma classification in realistic situations.

Název v anglickém jazyce

Artificial Neural Networks for Classification in Metabolomic Studies of Whole Cells Using H-1 Nuclear Magnetic Resonance

Popis výsledku anglicky

We report the successful classification, by artificial neural networks (ANNs), of H-1 NMR spectroscopic data recorded on whole-cell culture samples of four different lung carcinoma cell lines, which display different drug resistance patterns. The robustness of the approach was demonstrated by its ability to classify the cell line correctly in 100% of cases, despite the demonstrated presence of operator-induced sources of variation, and irrespective of which spectra are used for training and for validation. The study demonstrates the potential of ANN for lung carcinoma classification in realistic situations.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

CB - Analytická chemie, separace

OECD FORD obor

—

Projekt

<a href="/cs/project/LC06035" target="_blank" >LC06035: Centrum biofyzikální chemie, bioelektrochemie a bioanalýzy. Nové nástroje pro genomiku, proteomiku a biomedicínu.</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2011

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Journal of Biomedicine and Biotechnology

ISSN

1110-7243

e-ISSN

—

Svazek periodika

"Neuveden"

Číslo periodika v rámci svazku

—

Stát vydavatele periodika

US - Spojené státy americké

Počet stran výsledku

8

Strana od-do

"nestrankovano"

Kód UT WoS článku

000283224200001

EID výsledku v databázi Scopus

—