一组生物信息学和机器学习方法在多种不同人群中识别共同的乳腺癌生物标志物
Ghazala Sultan1, Swaleha Zubair1
1Department of Computer Science, Aligarh Muslim University, Aligarh 202002, India.
Computational biology and chemistry
|December 9, 2023
概括
这项研究确定了关键基因及其相互作用,这些基因对不同人群的乳腺癌发育至关重要. 这些发现突出了乳腺癌预后的潜在生物标志物,无论种族.
科学领域:
- 基因组学和生物信息学
- 分子瘤学分子瘤学
背景情况:
- 乳腺癌仍然是全世界妇女死亡的主要原因.
- 全球患病率不断上升,需要确定共同的关键基因及其在不同人群中的生物学意义.
研究的目的:
- 在多个国家的乳腺癌患者中识别共同的关键基因.
- 探索这些关键基因在乳腺癌发展中的相互相互作用和网络形成.
- 为了确定乳腺癌进展的新生物标志物.
主要方法:
- 机器学习算法 (Catboost) 用于样本分类和关键基因选择.
- 表达模式识别以识别候选基因.
- 功能性丰富和途径分析 (例如,信号传递,actin细胞骨架).
主要成果:
- Catboost 在乳腺癌分类方面取得了92%的准确性.
- 确定了印度,中国,捷克,德国,马来西亚和沙特阿拉伯人群中一致表达的关键基因模块.
- 在已识别的基因中发现了一个复杂的调节网络,并强调PALMD基因作为一种新的潜在生物标志物.
结论:
- 关键基因模块形成一个一致表达的网络,对乳腺癌至关重要,无论其来源或种族.
- 鉴定出的基因显示出作为乳腺癌预后的通用生物标志物具有前途.
- 进一步的体内验证和更大的人群研究是有必要的.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
07:47Author Spotlight: Unveiling Transmembrane Protein Family-Related Markers in Gastric Cancer and Implications for Targeted Therapies
Published on: September 15, 2023
1.5K
