深度神经网络用于发现肺腺癌与代谢相关的生物标志物

科学领域:

• 在瘤学瘤学.
• 生物信息学是一种生物信息学.
• 代谢学 代谢学 代谢学

背景情况:

• 肺癌,特别是肺腺癌 (LUAD),是全球主要的死亡原因.
• 代谢物-mRNA相互作用在癌症代谢中至关重要,突出了与代谢相关的mRNA作为潜在的治疗点.

研究的目的:

• 构建一个代谢物-mRNA相互作用 (MMI) 网络,以确定 LUAD.的新型预后生物标志物.
• 用深度神经网络 (DNN) 模型和独立数据集验证已识别的生物标志物的预后价值.

主要方法:

• 使用四个数据库构建一个MMI网络.
• 从TCGA数据中识别LUAD中与代谢相关的mRNA的差异表达.
• 挖掘候选mRNA为DNN模型做出贡献,并创建候选mRNA和代谢物的子网络.

主要成果:

• 十个与代谢相关的生物标志物在LUAD中被确定具有显著的预后价值.
• 在独立数据集 (TCGA和CPTAC) 中的验证证实了生物标志物的有效性.
• 与传统的机器学习模型进行比较,证明了拟议的DNN方法的优势.

结论:

• 该研究成功地使用MMI网络和DNN模型确定了10个与代谢相关的LUAD生物标志物.
• 鉴定的生物标志物显示出强大的预后价值,在多个数据集中得到证实.
• 该战略为发现其他癌症类型中的代谢生物标志物提供了一个框架.