混合格里森等级信息计算策略识别了共识生物标记特征,可以预测侵袭性前列腺腺癌
Alex Stanley Balraj1, Sangeetha Muthamilselvan1, Rachanaa Raja2
1Department of Bioinformatics, School of Chemical and Biotechnology, SASTRA Deemed to be University, Thanjavur, India.
Technology in cancer research & treatment
|January 16, 2024
概括
这项研究使用计算方法确定了用于分类前列腺癌攻击性的关键基因. 一个人工智能模型,PRADclass,在预测癌症分化方面实现了86%的准确性,有助于早期检测.
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:
- 前列腺腺癌 (PRAD) 是全球男性普遍存在的一种癌症.
- 关于PRAD进展和侵略的分子驱动因素,存在重大知识差距.
- 早期发现侵袭性前列腺癌对于有效治疗和降低死亡率至关重要.
研究的目的:
- 确定分子生物标志物,以区分前列腺癌等级.
- 开发一个计算模型来预测前列腺癌的攻击性.
- 帮助早期检测和个性化治疗策略的PRAD.
主要方法:
- 使用TCGA转录数据和PRAD的临床元数据.
- 执行了格里森级明智的线性和网络建模 (WGCNA).
- 开发了一种机器学习模型 (RandomForest),使用共识生物标志物进行分类.
主要成果:
- 确定了35个特定于格里森等级1,4和5的共识生物标志物.
- 统计模型产生了77个格里森等级突变基因.
- 一个RandomForest模型在三元分类的外部验证上实现了~86%的平衡精度.
结论:
- 多种计算策略确定了候选格里森学年级特定的生物标志物.
- 使用这些生物标志物的AI模型PRADclass在预测癌症分化方面表现良好.
- PRADclass可用于学术用途,以帮助前列腺癌预后.
