遺伝子発現に基づく機械学習とSHAP解析を用いた大腸がん予測 | JoVE Visualize

科学分野:

ゲノミクス
バイオインフォマティクス
腫瘍学

背景:

大腸がん（CRC）は、世界的な健康問題として大きな課題となっています。
正確かつ早期の診断は、効果的な治療と患者転帰の改善のために不可欠です。
遺伝子マーカーは、精密診断ツールの開発のための有望な道を提供します。

研究の目的:

大腸がん（CRC）の堅牢な遺伝子診断モデルを開発および検証すること。
統合バイオインフォマティクス解析を通じてCRC関連の主要遺伝子を特定すること。
CRCリスクと診断の予測に機械学習を活用すること。

主な方法:

TCGAデータベースを用いた差次的遺伝子発現解析。
eQTLおよびCRC転帰データを用いたメンデルランダム化解析。
XGBoostを含む9つの機械学習アルゴリズムを用いた診断モデルの開発と検証。
差次的発現、ランダム化解析、および機械学習モデルの重要性に基づいた遺伝子選択。

主要な成果:

TCGAデータベースを用いて、3716の差次的発現遺伝子（DEG）とメンデルランダム化により特定された121の大腸がん関連遺伝子を同定しました。
最終的な10遺伝子シグネチャ（RIF1、GDPD5、DBNDD1、RCCD1、CLDN5、ASCL2、IFITM3、IFITM1、SMPDL3A、SUCLG2）を確立しました。
XGBoostモデルはAUC 0.990を達成し、最終モデルはAUC 0.9875（トレーニング）および0.9601（検証）を示しました。
IFITM1およびDBNDD1が最も影響力のある遺伝子として特定されました。

結論:

CRCにおける遺伝子発現プロファイルは、細胞増殖、代謝、および免疫回避の亢進を反映しています。
開発された10遺伝子の遺伝子診断モデルは、CRCに対して強力な予測性能を示します。
このモデルは、早期CRC診断、介入、および三次予防戦略において大きな可能性を秘めています。