相关实验视频
Updated: Jul 19, 2025
08:16
Comparative Lesions Analysis Through a Targeted Sequencing Approach
Published on: November 5, 2019
6.8K
cTULIP:应用基于人类的RNA-seq初级瘤分类工具,用于跨物种的初级瘤分类在犬类
Jiaxin Long1,2, Satishkumar Ranganathan Ganakammal3, Sara E Jones3
1Department of Biochemistry, Purdue University, West Lafayette, IN, United States.
Frontiers in oncology
|August 7, 2023
概括
狗和人类的癌症,如质瘤和膀癌 (BLCA),显示分子相似性. 一个深度学习模型成功地预测了跨物种的瘤类型,突出了保存的癌症途径.
科学领域:
- 比较性瘤学研究
- 生物信息学是一种生物信息学.
- 机器学习在医学中的应用
背景情况:
- 自然发生的狗癌在临床,组织学和分子方面与人类疾病非常相似.
- 由于这些相似之处,家养狗 (Canis familiaris) 是癌症研究中越来越有价值的模型.
研究的目的:
- 通过使用基因表达特征来评估狗和人类质瘤和膀癌 (BLCA) 之间的分子相似性.
- 开发一种工具,用于识别狗癌症数据集中的错误分类样本.
- 评估深度学习模型在跨物种瘤预测中的表现.
主要方法:
- 利用深度学习方法,特别是称为TULIP的卷积神经网络 (CNN),用于基因表达分析.
- 将CNN的性能与后勤回归和随机森林算法进行比较.
- 应用人类数据训练模型到狗癌症数据集,以进行跨物种预测.
主要成果:
- 与其他机器学习算法相比,CNN模型在区分狗和人类瘤类型方面表现出卓越的性能.
- 蛋白质编码的一对一同类足以准确的跨物种初级瘤预测.
- 该模型使用人类训练的数据成功预测了人类和狗的原发性瘤类型.
结论:
- 这项研究证实了狗和人类BLCA和质瘤之间的显著分子相似性.
- 这些发现强调了狗癌症模型在人类疾病研究中的实用性.
- 保存的瘤路径表明了跨物种治疗策略的潜力.
