使用机器学习重新评估公开的基因表达数据库,在乳腺癌中产生最大的预后能力
Dimitrij Tschodu1, Jürgen Lippoldt2, Pablo Gottheil2
1Peter Debye Institute for Soft Matter Physics, Leipzig University, 04103, Leipzig, Germany. dimitrijtschodu@googlemail.com.
Scientific reports
|October 5, 2023
概括
基因表达特征可以预测癌症预后,但它们的准确性仅限于80%. 结合分子,临床和组织学数据对于更精确的癌症预后至关重要.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 基因表达特征,基因活动的模式,对于癌症的分类,预后和治疗至关重要.
- 高通量技术和机器学习已经改善了各种癌症表型的预后预测.
- 分析基因表达特征的计算方法的预后能力仍然被低估,导致持续的辩论.
研究的目的:
- 统一和评估构建基因表达特征的不同方法的预后能力.
- 用机器学习模型评估基因表达特征的预测准确度.
- 确定最大可实现的预测能力并确定局限性.
主要方法:
- 从8个数据库中重新评估公开可用的基因表达数据.
- 应用9种不同的机器学习模型来分析签名.
- 计算一致性指数以测量预后歧视准确度.
主要成果:
- 基因表达特征被证实是预测患者预后的有用工具.
- 在大约10,000个签名中确定了最大的预测能力.
- 签名可以区分患者的预后,最大准确率为80%,超过50%的潜在信息仍未使用.
结论:
- 基因表达签名为癌症提供了宝贵的预后见解.
- 目前基因表达特征的预后能力受到限制,这表明有改进的余地.
- 准确的癌症预后需要将分子数据与临床,组织学和其他互补因素整合起来.
