การสร้างตัวแบบจำแนกเอพิโทปของเซลล์มะเร็ง โดยการใช้เทคนิคการเรียนรู้ของเครื่อง

Cancer Epitope classification using machine learning

Name: มานนท์ บุญบางยาง

Organization : สถาบันเทคโนโลยีไทย-ญี่ปุ่น. คณะเทคโนโลยีสารสนเทศ

Email : bo.manon_st@tni.ac.th

Name: ศรายุทธ นนท์ศิริ

Organization : สถาบันเทคโนโลยีไทย-ญี่ปุ่น. คณะเทคโนโลยีสารสนเทศ

Email : sarayut.n@tni.ac.th

keyword: เอพิโทป

ThaSH: การเรียนรู้ของเครื่อง

; การรักษาแบบแม่นยำและจำเพาะ

ThaSH: ซัพพอร์ตเวกเตอร์แมชชีน

; การจำแนกข้อมูล

ThaSH: มะเร็ง -- การป้องกัน

ThaSH: Antigenic determinants

ThaSH: วัคซีน

Abstract: มะเร็งเป็นสาเหตุการเสียชีวิตลำดับต้น ๆ ของโลก โดยองค์การอนามัยโลก (WHO)[1,2] รายงานในปี 2020 มีผู้เสียชีวิตจากมะเร็ง ประมาณ 10 ล้านรายและคาดการว่าจะเพิ่มมากขึ้นในปีถัดไปโดยผู้ป่วย ส่วนใหญ่อยู่ในกลุ่มประเทศที่มีรายได้ปานกลางไปจนถึงรายต่ำเมื่อ ตรวจพบมักเป็นระยะที่รุนแรง มะเร็งบางชนิดหากตรวจพบได้เร็วก็มีโอกาส รักษาให้หายขาดได้การรักษาในปัจจุบันทำได้โดยการฉายแสง การผ่าตัด การใช้เคมีบำบัด ไปจนถึงการรักษาด้วยวัคซีนที่มีความจำเพาะสูง [2] งานวิจัยชิ้นนี้ได้นำเสนอตัวแบบทำนายเอพิโทป (Epitope) ของเอนติเจน (Antigen) บนผิวเซลล์ของผู้ป่วยมะเร็งเทียบกับเอพิโทปบนผิวเซลล์ของผู้ที่ มีสุขภาพดีข้อดีของการทำนายเอพิโทปเซลล์มะเร็งได้จะช่วยให้สามารถ นำไปฝึกเซลล์ภูมิคุ้มกัน (T-cell) เพื่อเป็นวัคซีนรักษามะเร็งแบบจำเพาะ เจาะจง (Precision Medicine) ในงานวิจัยนี้ทดลองใช้คุณลักษณะ (Feature) จำนวน 5 คุณลักษณะวิธีจำแนกข้อมูลแบบ binary classes จำนวน 7 วิธี ตัวแบบที่ดีที่สุดสำหรับข้อมูลที่ยังไม่ได้ปรับสมดุลคือคุณลักษณะ DPC วิธี จำแนกซัพพอร์ทเวกเตอร์แมชชีน (SVM) [3] ค่าความแม่นยำที่ 79 เปอร์เซ็นต์ ค่า ความจำเพาะที่ 100 เปอร์เซ็นต์ สัมประสิทธิ์ของMatthews (MCC) 0.34 และพื้นที่ใต้ กราฟเส้นโค้ง 0.73 และข้อมูลที่ปรับสมดุลคุณลักษณะ DPC วิธีจำแนกป่าสุ่ม (RF) ความแม่นยำ 80 เปอร์เซ็นต์ ความจำเพาะ 96 เปอร์เซ็นต์ สัมประสิทธิ์ของ Matthews (MCC) 0.36 พื้นที่ใต้กราฟเส้นโค้ง 0.74

Abstract: Cancer is a leading cause of death in the world. In 2020 World Health Organization (WHO) reported that approximately 10 million deaths caused by cancer and will increase for the coming years. This research paper aims to study the prediction of cancer epitope using machine learning for classifying between cancer cell surface and epitope on healthy cell surface. The comparison between the different machine learning algorithms is presented. This work can help to training T-cell for recognizing cancer cell and release enzyme to kill cancer cell (Targeted Therapy).

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2564

Modified: 2568-05-22

Issued: 2568-05-22

บทความ/Article

application/pdf

BibliograpyCitation : ใน สมาคมสภาคณบดีคณะเทคโนโลยีสารสนเทศ. การประชุมวิชาการระดับประเทศทางด้านเทคโนโลยีสารสนเทศ ครั้งที่ 13 (NCIT 2021) (pp.100-105). กรุงเทพฯ : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	NCIT 2021pp.100-105.pdf	336.21 KB

ใช้เวลา

0.031177 วินาที