机器学习基因签名到转移性ccRCC 基于ceRNA网络的基因签名

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 分子生物学分子生物学

背景情况:

• 清细胞细胞癌 (ccRCC) 是一种显著的病理,其特点是转移率高.
• 虽然编码基因在转移中的作用已知,但非编码基因,如竞争性内源RNA (ceRNA),越来越多地被研究.
• 了解ceRNA网络对于识别ccRCC中的新生物标志物和治疗点至关重要.

研究的目的:

• 为ccRCC与转移性发展相关的ccRNA构建一个ceRNA网络.
• 开发和验证用于预测ccRCC转移的基因特征.
• 分析已识别的基因特征的生物功能和预后意义.

主要方法:

• 使用了癌症基因组图谱 (TCGA) 和国际癌症基因组联盟 (ICGC-RECA) 数据集.
• 使用差异表达基因构建了一个ceRNA网络.
• 采用了八种特征选择技术来组装和选择最终的11个基因签名.
• 进行了基因组,风险和功能注释分析.

主要成果:

• 一个11个基因的签名 (SNHG15,AF117829.1,hsa-miR-130a-3p,hsa-mir-381-3p,BTBD11,INSR,HECW2,RFLNB,PTTG1,MMHR,RASD1) 被发现.
• 该签名表现出良好的概括性,在外部数据集上,曲线下的面积 (AUC) 为81.5%.
• 关键基因 (hsa-miR-130a-3p,AF117829.1,hsa-miR-381-3p,PTTG1) 与患者的生存和转移有显著的相关性.
• 功能注释揭示了参与RNA聚合酶II转录调节和细胞周期控制.

结论:

• 已识别的11个基因签名,包括编码和非编码基因,显示为ccRCC的生物标志物具有前途.
• ceRNA网络分析表明,lncRNAs作为miRNA的海绵,有助于ccRCC的进展.
• 这种特征有助于理解ccRCC生物学,并可以改善患者的预后和管理.