基于集体策略的差异表达分析,对脏清细胞癌的miRNA配置文件进行分析
Enyang Zhao1,2, Ziqi Xi3, Qiong Wu1
1School of Life Science and Technology, Harbin Institute of Technology, 150006 Harbin, Heilongjiang, China.
Frontiers in bioscience (Landmark edition)
|December 8, 2023
概括
鉴定清细胞癌 (KIRC) 的关键基因是非常重要的,因为早期治疗选择有限. 这项研究使用数据驱动的机器学习方法来找到KIRC预测的重要生物标志物.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- 清细胞癌 (KIRC) 是主要的癌亚型,占病例的60-85%.
- 早期KIRC治疗的治疗选择有限,需要确定新的生物标志物和治疗点.
研究的目的:
- 用数据驱动方法识别清细胞癌 (KIRC) 的差异基因和潜在生物标志物.
- 开发一种基于基因表达特征的机器学习模型,用于基于基因表达特征预测KIRC.
主要方法:
- 利用了来自癌症基因组图谱 (TCGA) 的miRNA基因表达特征数据,用于KIRC.
- 采用机器学习方法来量化基因重要性,以及用于最佳基因子集选择的整体方法.
- 通过基因表达总 (GEO) 数据库和交叉验证的独立测试集验证了识别的基因子集.
主要成果:
- 使用传统方法选差异性基因,选择的子集表现出卓越的性能.
- 最优的基因子集有效地分类和预测KIRC.
- 独立的数据集证实了已识别的基因子集的稳定性和有效性.
结论:
- 确定了包括miR-140和miR-210在内的关键基因,这些基因与KIRC的生物化学过程有关.
- 该研究成功地证明了基于数据的,基于机器学习的方法对KIRC生物标志物发现的有效性.
