探索和验证与甲状腺癌早期淋巴结转移相关的关键基因,使用权重基因共同表达网络分析和机器学习

科学领域:

• 内分泌学 在内分泌学.
• 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:

• 甲状腺癌 (THCA) 是最常见的内分泌瘤,通常是惰的.
• 早期淋巴结转移 (LNM) 在某些THCA病例中发生,其机制尚不清楚.

研究的目的:

• 调查THCA中LNM潜力的基础分子机制.
• 确定关键基因并开发THCA患者中LNM的预测模型.

主要方法:

• 利用加权基因共同表达网络分析 (WGCNA) 和蛋白质与蛋白质相互作用 (PPI) 网络分析.
• 应用机器学习算法 (LASSO,SVM,RF) 和生物信息学工具 (Metascape,ImmuCellAI,人类蛋白质图谱).
• 使用实时定量PCR (RT-qPCR) 和免疫组织化学 (IHC) 验证的发现;进行了分子对接.

主要成果:

• 确定了12个与LNM潜力相关的枢纽基因,与改变的免疫细胞透和EMT通路激活相关.
• 开发了一种新型分子分类和基于网络的名谱来评估LNM潜力.
• ERBB3被确定为THCA LNM的关键基因,在转移和晚期病例中表达高;被验证为诊断标记 (AUC从0.75到0.89).

结论:

• 生物信息学分析确定了影响THCA LNM潜力的关键基因和模块.
• ERBB3是THCA LNM的一个重要的治疗标和诊断标记.
• 开发的工具和确定的生物标志物可以指导THCA的个性化治疗策略.