相关实验视频
Updated: Jul 9, 2025
10:43
Modeling Oral-Esophageal Squamous Cell Carcinoma in 3D Organoids
Published on: December 23, 2022
3.4K
基于唾液菌群数据的食道状细胞癌的查预测模型
Yunxiang Meng1, Qihong Duan1, Kai Jiao2
1School of Mathematics and Statistics, Xi'an JiaoTong University, Xi'an, China.
Mathematical biosciences and engineering : MBE
|December 5, 2023
概括
机器学习模型使用唾液细菌预测食道状细胞癌 (ESCC). 该GA-XGBoost模型准确地识别了ESCC,突出了细菌和动菌作为非侵入性诊断的关键指标.
科学领域:
- 微生物组研究的研究.
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
背景情况:
- 食道状细胞癌 (ESCC) 与口腔微生态不平衡有关.
- 唾液菌群的组成可以作为ESCC的生物标志物.
研究的目的:
- 开发和验证基于唾液微生物群的机器学习模型来预测ESCC.
- 确定与ESCC风险相关的关键细菌类.
主要方法:
- 使用各种机器学习模型 (RF,GMM,KNN,LR,SVM,XGBoost) 进行基因算法 (GA) 优化.
- 在唾液中分析了特定细菌系 (Bacteroides,Firmicutes,Proteobacteria,Fusobacteria,Actinobacteria) 的相对丰度.
- 进行交叉验证和外部队列验证以评估模型性能.
主要成果:
- 该GA-XGBoost模型在测试集上预测ESCC时获得了高准确度 (89.88%).
- 外部验证证实了该模型的预测能力 (准确率 = 70.60%).
- 细菌菌和动菌被确定为ESCC最重要的预测因素.
结论:
- GA-XGBoost模型提供了一种可靠的,非侵入性的方法,用于使用唾液菌群进行ESCC预测.
- 唾液微生物群分析,特别是细菌和动菌的丰富性,是早期ESCC检测的有希望的途径.
