使用机器学习模型预测家族腺多重症患者的十二指腺癌风险
Sami Akbulut1, Zeynep Küçükakçalı2, Cemil Çolak2
1Department of Surgery, İnönü University Faculty of Medicine, Malatya, Turkey; Department of Public Health, İnönü University Faculty of Medicine, Malatya, Turkey; Department of Biostatistics and Medical Informatics, İnönü University Faculty of Medicine, Malatya, Turkey.
这项研究使用XGBoost模型识别了关键基因,以预测家族腺瘤多重症患者的十二指腺癌风险. 这些发现有助于早期检测和个性化评估这种遗传疾病的风险.
科学领域:
- 基因组学和生物信息学
- 在瘤学瘤学.
- 计算生物学 计算生物学
背景情况:
- 家族性腺瘤多重症 (FAP) 是一种遗传性疾病,使个体易患十二指腺癌.
- 了解FAP十二指腺瘤-癌瘤序列中的分子变化对于早期检测和干预至关重要.
研究的目的:
- 为了对患有和没有十二指腺癌的FAP患者的数据进行分类.
- 在FAP患者中使用机器学习识别与十二指腺癌发展相关的新型遗传生物标志物.
主要方法:
- 使用了FAP患者十二指腺组织 (癌症,腺瘤和正常) 的基因表达特征.
- 使用ElasticNet进行特征选择,使用XGBoost进行5倍交叉验证进行十二指腺癌分类.
- 使用准确性,灵敏性和特异性等指标评估模型性能.
主要成果:
- 在不同阶段确定了预测十二指腺癌的特定基因组:ADH1C,DEFA5,CPS1,SPP1,DMBT1,VCAN-AS1,APOB (癌症与腺瘤);LOC399753,APOA4,MIR548X,ADH1C (腺瘤与腺瘤);SNORD123,CEACAM6,SNORD78,ANXA10,SPINK1,CPS1 (正常与腺瘤).
- XGBoost模型证明了这些基因作为FAP. duodenal癌症风险预测生物标志物的潜力.
结论:
- 鉴定出来的基因有可能预测FAP患者的十二指腺癌风险.
- 建议进行进一步的综合分析,以验证这些预测生物标志物的可靠性.
更多相关视频
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
05:58Digital Polymerase Chain Reaction Assay for the Genetic Variation in a Sporadic Familial Adenomatous Polyposis Patient Using the Chip-in-a-tube Format
Published on: August 20, 2018