使用肠道微生物群作为结直肠癌的诊断工具:机器学习技术揭示了有希望的结果
Fang Lu1,2, Ting Lei2,3, Jie Zhou1,2
1School of Public Health, Guangxi Medical University, Nanning, 530021, Guangxi, PR China.
Journal of medical microbiology
|June 8, 2023
概括
使用肠道微生物群的机器学习模型对诊断结肠直肠癌 (CRC) 有希望. 特定的细菌,如拉克诺斯皮拉氏菌,大肠杆菌和Prevotella可以作为CRC的关键诊断生物标志物.
科学领域:
- 微生物组研究的研究.
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
背景情况:
- 越来越多的证据将肠道微生物群组成与结直肠癌 (CRC) 的发展联系起来.
- 肠道微生物群作为CRC的非侵入性诊断生物标志物的潜力仍未得到充分探索.
研究的目的:
- 调查基于肠道微生物群的机器学习 (ML) 模型用于CRC诊断的可行性.
- 确定与CRC相关的关键微生物生物标志物.
主要方法:
- 来自38名参与者的便样本的16S rRNA基因测序 (17名健康人,21名CRC患者).
- 应用八个监督的ML算法来根据便微生物群运行分类单位 (OTU) 进行CRC分类.
- 使用随机森林 (RF) 算法识别关键微生物生物标志物.
主要成果:
- 诊断CRC与显著的肠道微生物群失调有关.
- 原始贝叶斯 (NB),射频和逻辑回归 (LR) 模型显示了CRC的高预测潜力.
- 发现的关键细菌生物标志物包括s__metagenome_g__Lachnospiraceae_ND3007_group,s__Escherichia_coli_g__Escherichia-Shigella,以及s__unclassified_g__Prevotella. 这三种类型的细菌.
结论:
- 肠道微生物群的失调与CRC有关,支持其在癌症发展中的作用.
- 使用肠道微生物群的ML模型显示了CRC诊断的可行性.
- 已识别的细菌物种作为CRC的有前途的诊断生物标志物.
更多相关视频
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
149
15:17Colorectal Cancer Cell Surface Protein Profiling Using an Antibody Microarray and Fluorescence Multiplexing
Published on: September 25, 2011
14.0K
