生物信息学和机器学习驱动的肝细胞癌关键基因查
Ye Shen1, Juanjie Huang2, Lei Jia3
1Department of Radiology, Wujin Hospital Affiliated with Jiangsu University, Changzhou, 213002, China.
Biochemistry and biophysics reports
|December 18, 2023
概括
这项研究确定了影响肝癌 (肝细胞癌) 生存的关键基因. 机器学习准确地预测结果,帮助未来的诊断和治疗这种致命的疾病.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 肝癌,特别是肝细胞癌 (HCC),是全球主要的健康问题,其特点是晚期诊断和复杂的发病.
- 对HCC的有效诊断和向治疗受到其潜在分子机制的不完全理解的阻碍.
研究的目的:
- 用综合生物信息学和机器学习方法全面研究肝细胞癌 (HCC) 的分子基础.
- 确定与HCC进展和患者存活率相关的关键基因.
- 评估机器学习模型对HCC患者结果的预测能力.
主要方法:
- 使用基因本体学 (GO) 和基因和基因组的京都百科全书 (KEGG) 路径丰富的三个独立的HCC数据集的分析.
- 蛋白质与蛋白质相互作用网络分析和综合生存分析.
- 开发和验证用于HCC患者结果的机器学习预测模型 (Adaboost).
主要成果:
- 确定12个关键基因与HCC病理生理学显著相关.
- 特定的基因 (CYP2C8,CYP2C9,EPHX2,ESR1) 与整体存活率有正相关性,而其他基因 (AKR1B10,NQO1) 与整体存活率有负相关性.
- 在预测HCC患者结果方面,Adaboost模型实现了86.8%的准确性,证明了机器学习在分析复杂的生物数据方面的力量.
结论:
- 这些已识别的基因为推动肝癌 (HCC) 的复杂机制提供了新的见解.
- 这些发现有可能为开发更精确的诊断工具和个性化治疗策略提供信息.
- 对这些分子参与者的进一步研究对于推动全球对抗肝癌的斗争至关重要.
