鉴定了一种新的胆汁标志物clusterin,以及基于深度学习的公共在线预测平台,用于胆道管癌

科学领域:

• 在瘤学瘤学.
• 蛋白质组学是指蛋白质组学.
• 生物标志物发现发现
• 机器学习 机器学习

背景情况:

• 胆管癌 (CCA) 是一种具有挑战性诊断的侵袭性恶性瘤.
• 目前对CCA的诊断方法需要改进.

研究的目的:

• 用蛋白质学来识别CCA诊断的新型胆汁标记物.
• 开发一个基于深度学习的诊断模型,用于CCA.

主要方法:

• 对胆汁样本进行了蛋白质组学分析,以确定候选标记物.
• 使用深度学习构建了一个多分析元诊断模型,结合了胆汁和血清生物标志物.
• 该模型在临床样本和外部验证集的独立队列中得到验证.

主要成果:

• 胆囊蛋白 (CLU) 被确定为CCA中的显著升高的生物标志物.
• 胆汁CLU显示出令人满意的诊断功率 (AUC:0.852).
• 结合CLU和血清标记物的深度学习模型实现了高诊断效用 (AUC:0.947) 并得到了外部验证.

结论:

• 这项研究为CCA分化提供了胆汁和血清生物标志物的最大组合.
• 开发的诊断模型显示了有效检测CCA的潜力.
• 为用户友好的CCA诊断,创建了一个在线预测平台.