使用机器学习方法研究结肠直肠癌瘤微环境及其生物标志物
Wei Wei1, Yixue Li1,2,3,4,5, Tao Huang1
1Bio-Med Big Data Center, CAS Key Laboratory of Computational Biology, Shanghai Institute of Nutrition and Health, University of Chinese Academy of Sciences, Chinese Academy of Sciences, Shanghai 200031, China.
International journal of molecular sciences
|July 14, 2023
概括
研究人员确定了五个关键生物标志物 (INHBA,FNBP1,PDE9A,HIST1H2BG,CADM3) 用于结直肠癌 (CRC) 的预后. 这些发现支持个性化治疗策略,以改善CRC患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- 结肠直肠癌 (CRC) 仍然是一个重大的全球卫生挑战,需要改进早期检测和个性化治疗策略.
- 生物标志物发现对于提高诊断准确性和定制治疗干预措施在CRC管理中至关重要.
研究的目的:
- 确定用于预测结直肠癌预后的新型基因表达生物标志物.
- 探索机器学习算法在CRC生物标志物发现中的潜力.
主要方法:
- 利用来自TCGA和GEO数据库的RNA-seq和基因芯片数据.
- 应用于类失衡的SMOTE,特征选择算法 (MCFS,Borota,mRMR,LightGBM) 和机器学习模型 (SVM,XGBoost,RF,kNN).
- 使用可解释机器学习 (IML) 进行网络生成和生存分析.
主要成果:
- 确定了五种基因 (INHBA,FNBP1,PDE9A,HIST1H2BG,CADM3) 与CRC患者的预后有显著的相关性.
- 对已识别的生物标志物进行了免疫细胞透和基因突变率的研究.
- 生成共同预测网络以揭示潜在的基因关系.
结论:
- 这些已识别的生物标志物具有改善结直肠癌早期检测和个性化治疗的巨大潜力.
- 这些发现可能有助于通过向治疗来改善CRC患者的临床结果.
更多相关视频
10:33Molecular Profiling of the Invasive Tumor Microenvironment in a 3-Dimensional Model of Colorectal Cancer Cells and Ex vivo Fibroblasts
Published on: April 29, 2014
11.1K
08:12Detection of a Circulating MicroRNA Custom Panel in Patients with Metastatic Colorectal Cancer
Published on: March 14, 2019
5.5K
