Artificial Neural Networks for Classification in Metabolomic Studies of Whole Cells Using H-1 Nuclear Magnetic Resonance
Identifikátory výsledku
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>
Alternativní jazyky
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.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
CB - Analytická chemie, separace
OECD FORD obor
—
Návaznosti výsledku
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)
Ostatní
Rok uplatnění
2011
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
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
—