使用机器学习方法对结直肠癌中转移性生物标志物的查和具有实验验证的预测建模
Amirhossein Ahmadieh-Yazdi1,2, Ali Mahdavinezhad1, Leili Tapak3
1Research Center for Molecular Medicine, Hamadan University of Medical Sciences, Hamadan, Iran.
Scientific reports
|November 8, 2023
概括
机器学习确定了结直肠癌 (CRC) 肝脏转移的潜在生物标志物. 像MMP3和WNT11这样的关键基因表现出改变的表达,有助于早期检测和新治疗策略.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 分子生物学分子生物学
背景情况:
- 结肠直肠癌 (CRC) 肝脏转移是导致CRC相关死亡的主要原因.
- 早期检测转移对于患者的结果至关重要,但往往因无症状进展而受到阻碍.
- 确定CRC转移的可靠生物标志物对于及时干预至关重要.
研究的目的:
- 通过机器学习 (ML) 和实验验证,研究结直肠癌 (CRC) 肝转移的潜在生物标志物.
- 为了确定与CRC肝转移相关的差异表达基因 (DEGs).
- 为了验证在结直肠癌中发现的基因的预后价值.
主要方法:
- 利用GSE41568基因表达数据集用于肝转移的CRC患者.
- 在初级和转移性瘤样本之间选DEGs.
- 采用LASSO和SVM进行特征选择,以确定关键的DEG.
- 使用定量实时PCR (qRT-PCR) 验证的结果.
主要成果:
- 鉴定了LASSO和SVM常用的11个基因,其中7个具有预后价值.
- 观察到MMP3的表达减少和WNT11的表达增加在第四阶段CRC.
- 与初级瘤相比,在肝转移样本中发现WNT5a,TNFSF11和MMP3的显著较低表达,以及WNT11的更高表达.
结论:
- 这项研究成功地通过ML算法确定了结直肠癌肝转移潜在生物标志物的小组.
- 鉴定的生物标志物为检测CRC转移提供了新的见解.
- 这些发现可能为结直肠癌治疗的新疗法策略铺平道路.
