相关实验视频

Updated: Jul 4, 2025

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

基于机器学习的肝细胞癌免疫相关分子诊断和预测模型的构建

Hui Zheng¹, Xu Han², Qian Liu¹

¹Key Laboratory of Environmental Medicine Engineering, Ministry of Education, School of Public Health, Southeast University, Nanjing, 210009, China.

|February 5, 2024

概括

机器学习确定了五种基因 (EFHD1,KIF4A,UBE2C,SMYD3,MCM7) 作为潜在的肝细胞癌 (HCC) 生物标志物. 免疫细胞透分析揭示了这些标记物与HCC进展之间的联系,有助于诊断和治疗.

科学领域:

在瘤学瘤学.
基因组学就是基因组学.
生物信息学是一种生物信息学.

背景情况:

肝细胞癌 (HCC) 是一个重大的全球健康挑战.
准确的诊断和预后标记对于有效的HCC管理至关重要.

研究的目的:

使用机器学习识别肝细胞癌 (HCC) 的新型预测生物标志物.
调查免疫细胞透在HCC发病过程中的作用及其与已识别的生物标志物的相关性.

主要方法:

在HCC数据集上进行了权重基因同表达网络分析 (WGCNA) 和差异基因表达分析.
机器学习算法,包括LASSO和随机森林,用于识别候选生物标记物.
使用CIBERSORT分析免疫细胞分数及其与HCC组织中诊断标记物的相关性.

主要成果:

五个基因 (EFHD1,KIF4A,UBE2C,SMYD3,MCM7) 显示出高诊断价值的HCC,其AUC值在0.77到0.97.
基因丰富分析表明它参与了细胞质融合和细胞分裂.
免疫细胞透分析揭示了T细胞,NK细胞,巨细胞,树突细胞和已识别的HCC诊断标记物之间的关联.

结论:

鉴定到的五个基因 (EFHD1,KIF4A,UBE2C,SMYD3,MCM7) 是HCC诊断和预后的有希望的候选分子标记物.
这些发现为开发针对性分子疗法提供了新的见解.
这项研究强调了免疫细胞透和HCC发育之间的复杂关系.

关键词:

生物标志物的分析分析.肝细胞癌是肝细胞癌.免疫系统的透.拉索·拉索 (Lasso) 是一个机器学习就是机器学习.随机的森林随机的森林在WGCNA中,WGCNA是WGCNA.

更多相关视频

A Three-Dimensional Spheroid Model to Investigate the Tumor-Stromal Interaction in Hepatocellular Carcinoma

A Three-Dimensional Spheroid Model to Investigate the Tumor-Stromal Interaction in Hepatocellular Carcinoma

Published on: September 30, 2021

An Oncogenic Hepatocyte-Induced Orthotopic Mouse Model of Hepatocellular Cancer Arising in the Setting of Hepatic Inflammation and Fibrosis

An Oncogenic Hepatocyte-Induced Orthotopic Mouse Model of Hepatocellular Cancer Arising in the Setting of Hepatic Inflammation and Fibrosis

Published on: September 12, 2019

相关概念视频