使用机器学习方法识别结肠免疫细胞标记基因
Yong Yang1, Yuhang Zhang2, Jingxin Ren3
1Qianwei Hospital of Jilin Province, Changchun 130012, China.
Life (Basel, Switzerland)
|September 28, 2023
概括
研究人员使用机器学习确定了结肠中25种免疫细胞类型的关键遗传标记. 这些标记物有助于区分免疫细胞,有助于了解结肠癌微环境,并改善免疫治疗.
科学领域:
- 免疫学 免疫学 免疫学
- 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:
- 结肠瘤中的免疫细胞透会影响癌症的进展和治疗结果.
- 了解瘤微环境中的特定免疫细胞组成对于有效的治疗策略至关重要.
研究的目的:
- 在正常结肠中识别和验证25种不同的免疫细胞类型的遗传标记.
- 为了揭示这些免疫细胞类型之间的定量差异.
- 建立基于机器学习的免疫细胞识别分类规则.
主要方法:
- 分析了来自41,650个结肠免疫细胞的单细胞RNA测序数据,包括22,164个基因.
- 应用五种机器学习特征排名算法 (LASSO,LGBM,MCFS,mRMR,随机森林) 来识别重要的基因特征.
- 利用增量特征选择与决策树和随机森林算法相结合,以精确确定关键遗传标记.
主要成果:
- 确定了各种免疫细胞亚型的特定标记基因,包括KLRB1 (CD4 T细胞),RPL30 (IgA血细胞) 和JCHAIN (IgG产生B细胞).
- 确认了对已识别的标记物的差异性基因表达和免疫过程的参与.
- 开发了使用决策树的定量分类规则,以区分免疫细胞类型.
结论:
- 鉴定的遗传标记和分类规则为分析结肠癌免疫微环境提供了宝贵的资源.
- 这些发现可以告知和加强针对结肠癌的向临床免疫疗法的开发.
