典型文献
机器学习与多组学结合推动精准营养的研究进展
文献摘要：
在大数据的时代背景下，精准营养已逐渐成为临床营养研究的一个重要趋势。精准营养综合了基因组学、代谢组学、表型组学等多组学的研究理论和方法，并引入机器学习等计算科学技术，使得人们对各种疾病/病理生理条件下营养代谢紊乱的认识达到了新高度，也为发现新的营养干预靶点以及干预的模式提供了全新范式。本文就精准营养中机器学习模型建立的数据准备及算法选择方法，结合机器学习在多组学研究中的应用成果进行综述。在大数据背景下，应用机器学习的精准营养研究不仅能够为每例患者营养支持方案制定策略提供科学依据，同时还可以探索各个营养素之间的联系甚至因果关系，因此机器学习是精准营养研究中必不可少的技术手段。然而，本文也提出目前机器学习在精准营养中的应用受限于数据的异质性高、算法的特异性低等挑战，还有很多未知领域需要探索。
文献关键词：
营养基因组学;精准医学;机器学习;深度学习;代谢组学
中图分类号：
作者姓名：
王璐;王宇;曾俊;陈伟;江华
作者机构：
637000 南充，川北医学院研究生院；610072 成都，四川省医学科学院·四川省人民医院急诊医学与灾难医学研究所；610072 成都，四川省医学科学院·四川省人民医院急救中心;610072 成都，四川省医学科学院·四川省人民医院急诊医学与灾难医学研究所；610072 成都，四川省医学科学院·四川省人民医院急救中心；610072 成都，四川省急危重症临床研究中心;610072 成都，四川省急危重症临床研究中心；100730 北京协和医院临床营养科;610072 成都，四川省医学科学院·四川省人民医院急诊医学与灾难医学研究所；610072 成都，四川省医学科学院·四川省人民医院急救中心；610072 成都，四川省急危重症临床研究中心；100730 北京协和医院临床营养科
文献出处：
引用格式：
[1]王璐;王宇;曾俊;陈伟;江华-.机器学习与多组学结合推动精准营养的研究进展)[J].中华损伤与修复杂志（电子版）,2022(06):540-544
A类：
B类：
精准营养,临床营养,营养研究,重要趋势,代谢组学,表型组学,研究理论,计算科学,病理生理,下营,营养代谢,代谢紊乱,营养干预,干预靶点,新范式,机器学习模型,数据准备,算法选择,选择方法,多组学研究,大数据背景下,营养支持,支持方案,方案制定,定策,营养素,因果关系,前机,受限于,未知领域,营养基因组学,精准医学
AB值：
0.371246
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
