基于不同排名的基因的样本内反向对揭示了卵巢癌的生物签名
Pengfei Zhao1, Dian Meng2, Zunkai Hu1
1School of Medicine, The First Affiliated Hospital of Southern University of Science and Technology, Shenzhen People's Hospital, Shenzhen, China.
Computers in biology and medicine
|March 14, 2024
概括
使用排列基因对 (DRG) 的新方法改善了早期卵巢癌检测. 这种方法克服了传统基因表达分析的局限性,以实现更准确的查.
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:
- 卵巢癌是一种严重的妇科恶性瘤,通常在晚期被诊断出来.
- 目前的查方法和基因表达生物标志物面临临临床变异性和批量效应等挑战.
- 对于卵巢癌的早期检测策略有必要改进.
研究的目的:
- 开发和验证一种用于早期检测卵巢癌的新生物签名.
- 通过使用样本内差异排序基因 (DRG) 来克服绝对基因表达值的局限性.
- 为了利用机器学习在各种患者队伍中进行强大的卵巢癌检测.
主要方法:
- 开发了DRGpair,一种三阶段的方法:样本内排名差异分析,反向基因对分析和代LASSO回归.
- 分析了10个队列,包括872个样本 (796个卵巢癌,76个正常).
- 在七个独立的队列中验证了已识别的DRG对的诊断性能.
主要成果:
- 确定了四个具有优异诊断性能的差异排名基因 (DRG) 对.
- 与现有的生物标志物相比,DRGpair方法显示了更高的特异性和有效性.
- 基于等级的方法降低了计算复杂性,提高了生物标志物的稳定性.
结论:
- 不同排列基因 (DRG) 是卵巢癌早期检测的有希望的候选者.
- 该DRGpair方法提供了一个可扩展和适应的模型,用于在不同的队列中进行卵巢癌查.
- 这种基于等级的方法为妇科瘤学提供了更有效和更具体的生物标志物策略.
