使用自然语言处理方法开发结直肠癌便微生物诊断标记集
Houcong Liu1, Changpu Song2, Jidong Wang1
1Research Center for Clinical and Translational Medicine, Huazhong University of Science and Technology Union Shenzhen Hospital, and the 6th Affiliated Hospital of Shenzhen University Medical School, Shenzhen, Guangdong, China.
The International journal of biological markers
|December 21, 2023
概括
这项研究在便样本中发现了五种关键细菌,这些细菌可以帮助早期检测结直肠癌. 将这些细菌标记物与便免疫化学测试 (FIT) 结合起来,显著提高了癌症检测率.
科学领域:
- 生物技术是生物技术.
- 生物信息学是一种生物信息学.
- 在瘤学瘤学.
背景情况:
- 有效的癌症查和早期检测对于成功的治疗结果至关重要.
- 癌症诊断的一个重大挑战是,对于大多数癌症类型,缺乏可靠的早期查生物标志物.
- 自然语言处理 (NLP) 提供了一种强大的方法来挖掘科学文献,以发现潜在的疾病生物标志物关联.
研究的目的:
- 用基于NLP的文本挖掘来识别潜在的便细菌标记物,用于早期发现和查结直肠癌.
- 验证已识别的细菌标记物并开发诊断分类器.
- 评估细菌分类器的性能,无论是独立的还是与便免疫化学测试 (FIT) 结合使用.
主要方法:
- 一个支持NLP的文本挖掘系统MarkerGenie被用来识别候选细菌标记物.
- 细菌标记物被过,随后使用多重数字滴滴聚合酶链反应 (ddPCR) 进行验证.
- 基于ddPCR结果构建了诊断分类器,使用灵敏度,特异性和曲线下的面积 (AUC) 来评估性能.
主要成果:
- 在14种细菌标记物中,有7种在结直肠癌患者的便样本中表现出明显更高的丰度.
- 一个由五种细菌组成的分类器实现了0.852的AUC,对于结肠直肠癌诊断具有0.692的灵敏度和0.935的特异性.
- 当与FIT集成时,细菌分类器将AUC提高到0.959,并将FIT灵敏度从0.872提高到0.929以0.900的特异性.
结论:
- 这项研究成功地证明了基于NLP的标记挖掘对于识别新生物标记物的有用性.
- 开发的五种细菌分类器显示出作为早期结直肠癌检测工具的前景.
- 将细菌标记物与FIT结合起来,可以显著提高结直肠癌查准确度.
