五个基因基因生物标志物对肝细胞癌具有最佳性能

科学领域:

• 基因组学和生物信息学
• 癌症分子生物学 癌症分子生物学
• 机器学习在医学中的应用

背景情况:

• 肝细胞癌 (HCC) 是全球癌症死亡的主要原因.
• 了解HCC的分子基础对于生物标志物和治疗点的发现至关重要.
• 之前的转录基因研究发现了许多个体基因,但缺乏明确的生物标志物.

研究的目的:

• 开发一种机器学习框架,用于分析转录基因数据,以识别HCC.的最小的差异表达基因 (DEGs) 组.
• 发现可靠的分子生物标志物用于肝细胞癌检测.

主要方法:

• 在机器学习框架内利用最大线性竞争风险因素模型.
• 分析了9个公开的全转录组数据集 (1184个HCC样本,672个对照).
• 包括基因相互作用和批量效应校正的嵌入式建模.

主要成果:

• 确定了5个关键的DEGs (CCDC107,CXCL12,GIGYF1,GMNN,IFFO1),区分HCC与对照样本.
• 基于这些5个DEG的分类器实现了近乎完美的HCC识别性能.
• 在美国独立的高加索人群中验证了这些发现,证明了强度和可重复性.

结论:

• 已识别的5个DEG作为描述HCC特征的内在基因组变量.
• 开发的分析框架为癌症转录基因组分析提供了一种新的方法.
• 这项研究突出了在肝细胞癌中可靠的生物标志物发现的有希望的策略.