肝細胞がんにおける診断および予後性ミト細胞サイクル遺伝子の機械学習ベースの識別
1Department of Bioinformatics, Institute of Health Sciences, Hacettepe University, Ankara, Turkey.
PloS one
|August 28, 2025
まとめ
機械学習は,肝細胞がん (HCC) の診断のための重要なミト細胞サイクル遺伝子を特定しました. 患者の生存率を予測する8つの遺伝子で HCCの管理に新しいツールを提供しています
科学分野:
- 腫瘍学
- 遺伝学
- バイオ情報学
背景:
- ミト細胞サイクル (MCC) は細胞の成長と分裂に不可欠です.
- MCC遺伝子の不調は,肝細胞癌 (HCC) の発症に関与している.
- HCCの診断および予後バイオマーカーを特定することは,効果的な患者管理に不可欠です.
研究 の 目的:
- HCCと正常な組織の間に異なった発現のMCC遺伝子を特定する.
- HCCの診断のための機械学習モデルを開発する.
- HCC患者の全生存率を予測するための予後遺伝子シグネチャを確立する.
主な方法:
- 支持ベクトルマシン・リキュルシブ・フィーチャー・エリミネーション (SVM-RFE) とランダム・フォレスト・リキュルシブ・フィーチャー・エリミネーション (RF-RFE) が遺伝子選択に使用された.
- 機械学習モデルは,複数のデータセット (TCGA,GSE77509,GSE144269) で訓練され,検証されました.
- 単変性コックス回帰とLASSOコックス回帰は,予後性遺伝子シグネチャを特定するために使用されました.
主要な成果:
- SVM- RFEは,データセット全体でHCCの高い診断性能を示した (AUCは1. 0まで).
- 9つのMCC遺伝子 (例えばCDKN3,EZH2,CDC6) は,強力な個々の診断能力を示した (AUC > 0. 81).
- 8つの遺伝子シグネチャー (BCAT1,IGF1,SMARCA2) は,臨床段階に関係なく,HCC患者の全生存期間を効果的に予測しました.
結論:
- 機械学習のアプローチは,HCCの診断用バイオマーカー候補を成功裏に特定しました.
- HCC患者の生存率の予測を改善する可能性を秘めた新しい予後遺伝子シグネチャが開発されました.
- 特定された遺伝子とシグネチャーは,HCCの診断と予後における臨床応用に有望である.
