基因表达和基于元数据的肝细胞癌关键基因的识别,使用机器学习和统计模型

科学领域:

• 在瘤学瘤学.
• 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:

• 肝细胞癌 (HCC) 的生物标志物对于了解治疗反应至关重要.
• 确定可靠的HCC生物标志物仍然是一个挑战.

研究的目的:

• 使用集成机器学习 (ML) 和生物信息学方法识别肝细胞癌 (HCC) 的关键候选基因.
• 使用独立数据集验证已识别的基因.

主要方法:

• 差异表达基因 (DEGs) 在四个数据集中被识别和交叉.
• 蛋白与蛋白相互作用 (PPI) 网络被构建用于识别枢纽基因和模块.
• 机器学习模型 (SVM,LASSO-LR,PLS-DA) 应用于识别歧视性基因.
• 对现有的枢纽基因进行了元分析.

主要成果:

• 通过综合分析确定了七个关键候选基因 (ASPM,CCNB1,CDK1,DLGAP5,KIF20A,MT1X,TOP2A).
• 这些基因通过ROC曲线分析 (AUC) 使用三个独立测试数据集进行了验证.

结论:

• 已识别的七个基因代表了肝细胞癌 (HCC) 的有希望的生物标志物.
• 这些候选基因可能有助于理解HCC病变发生和指导治疗策略.