使用生物信息学,机器学习和实验验证验,识别关键的铁灭基因和与乳腺癌相关的机制

科学领域:

• 在瘤学瘤学.
• 遗传学 是一个遗传学.
• 生物信息学是一种生物信息学.

背景情况:

• 铁亡是一种受调节的细胞死亡形式,在癌症的发展中起着至关重要的作用.
• 识别与铁死相关的新型基因对于理解乳腺癌的发病因子和开发向疗法至关重要.

研究的目的:

• 通过生物信息学和机器学习,识别与乳腺癌相关的关键铁灭相关基因.
• 在乳腺癌细胞中对已识别的基因进行体外功能验证.

主要方法:

• 利用癌症基因组图谱 (TCGA) 和FerrDB数据库来获取转录和铁灭基因数据.
• 应用机器学习算法和考克斯回归分析来识别关键基因并构建风险模型.
• 在MCF-7乳腺癌细胞中进行了体外实验以进行功能验证.

主要成果:

• 确定了52个显著差异表达的与铁亡相关的基因,富含与癌症相关的途径.
• 发现了三种关键基因 (TXNIP,SLC2A1,ATF3),这些基因对乳腺癌的发生,发展和预后至关重要.
• 验证了基于这三个基因的风险模型的预后预测能力,并在体外证实了它们的功能作用.

结论:

• TXNIP,SLC2A1和ATF3被确定为关键的与乳腺癌有显著关联的铁化相关基因.
• 这些基因有可能成为乳腺癌治疗中预后和治疗点的生物标志物.