基于机器学习和生物信息学分析的三阴性乳腺癌遗传标记的预测模型
Haoqin Guan1, Ying Su2, Wenjia Guo3
1College of Information Science and Engineering Xinjiang University, Urumqi 830046, China.
Studies in health technology and informatics
|November 26, 2023
概括
识别像OTOG这样的新生物标志物对于改善三阴性乳腺癌 (TNBC) 的结果至关重要. 这项研究突出了包括OTOG在内的四个关键基因,这些基因对TNBC患者的生存有重大影响,并提供了新的治疗点.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物标志物发现发现
背景情况:
- 三重阴性乳腺癌 (TNBC) 由于其异质性和缺乏向疗法而构成重大临床挑战.
- 确定可靠的分子标和预后生物标志物对于改善TNBC患者生存率至关重要.
研究的目的:
- 确定与三阴性乳腺癌的预后相关的关键基因.
- 使用多因素COX回归分析开发TNBC的风险预后模型.
- 在TNBC中探索针对性治疗的新生物标志物.
主要方法:
- 利用癌症基因组图谱 (TCGA) 数据库进行实验数据.
- 采用单因子COX回归,LASSO,RF和SVM-RFE算法进行基因查.
- 使用多因素COX回归分析构建了一个TNBC风险预后模型.
主要成果:
- 选了四个关键基因 (TENM2,OTOG,LEPR,HLF) 与TNBC预后显著相关.
- 确定了OTOG作为TNBC的新生物标志物.
- 生存分析证实了这四个基因对TNBC患者的整体存活时间 (OS) 的显著影响 (P<0.05).
结论:
- 确定了四个关键基因,为TNBC的向治疗提供了潜在的新途径.
- 这些生物标志物可能有助于改善三阴性乳腺癌患者的预后和生存率.
- 对这些基因的进一步研究可能会导致TNBC更有效的治疗策略.
