通过使用机器学习方法,结肠直肠粘液中与结肠直肠癌相关的基因表达特征模式
Jing Xin Ren1, Lei Chen2, Wei Guo3
1School of Life Sciences, Shanghai University, Shanghai, 200444, China.
Combinatorial chemistry & high throughput screening
|November 14, 2023
概括
机器学习在正常结肠组织中确定了预测结肠直肠癌 (CRC) 风险的关键基因. 这些发现有助于早期CRC诊断,并通过分析基因表达变化来理解瘤的发展.
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.
- 癌症研究 癌症研究
背景情况:
- 大肠直肠癌 (CRC) 的发病率和死亡率很高.
- 早期诊断对于减少CRC影响至关重要.
- 准癌细胞组织基因表达的变化可能是早期瘤发生的信号.
研究的目的:
- 在正常的结肠粘膜中确定特定的基因表达模式.
- 确定可预测结直肠癌风险的基因.
主要方法:
- 利用机器学习分析了来自459个正常结肠粘膜样本的转录组数据 (322个CRC病例,137个非CRC).
- 使用LASSO,LightGBM,MCFS和mRMR进行基因排名.
- 集成决策树 (DT),K-最近邻居 (KNN),随机森林 (RF) 和支持向量机 (SVM) 具有增量特征选择 (IFS) 用于模型构建.
主要成果:
- 确定了HOXD12,CDH1和S100A12作为与瘤发生相关的顶级基因.
- 使用机器学习算法开发了一种高性能预测模型.
结论:
- 建立了基于决策树算法的定量分类规则.
- 提供了与CRC相关的微环境变化的见解.
- 能够确定CRC对正常结肠粘膜的影响.
