使用应用到基因表达数据的机器学习来高精度预测结直肠癌化疗的疗效
Soukaina Amniouel1, Mohsin Saleet Jafri1,2
1School of Systems Biology, George Mason University, Fairfax, VA, United States.
Frontiers in physiology
|February 2, 2024
概括
机器学习可以准确地预测哪些结直肠癌患者可以从FOLFOX或FOLFIRI化疗中受益. 这种方法可以识别那些可能对替代治疗有反应的患者,从而改善癌症护理.
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:
- 福福克斯 (FOLFOX) 和福菲里 (FOLFIRI) 是对结直肠癌 (CRC) 的标准一线治疗方法.
- 对这些化疗的最佳患者选择标准需要进一步分析.
- 识别预测生物标志物对于个性化CRC治疗至关重要.
研究的目的:
- 开发和验证用于预测CRC中的化疗反应的机器学习模型.
- 为了确定与FOLFOX和FOLFIRI疗效相关的分子特征.
- 预测替代化疗方案的潜在益处.
主要方法:
- 利用了来自GEO数据库的结直肠癌患者的基因表达数据.
- 开发了一种机器学习模型,包括5倍交叉验证,LASSO和VarSelRF特征选择.
- 采用随机森林和支持矢量机器分类器用于模型评估.
主要成果:
- 该模型实现了>90%的准确性,在分类治疗反应时具有85%-95%的特异性和灵敏性.
- 28.6%的患者预计初始治疗失败,可以从替代疗法中受益.
- 鉴定出不同的基因特征,区分了对FOLFOX和FOLFIRI的响应者和不响应者.
结论:
- 机器学习可以有效地预测结直肠癌的化疗反应.
- 这种方法可以识别那些可以从改变治疗方法中受益的患者.
- 进一步的临床验证可能会提高CRC和其他癌症的个性化治疗策略.


