口腔微生物特征的潜在价值用于基于机器学习算法的口腔状细胞癌的预测
Baochang He1,2, Yujie Cao3, Zhaocheng Zhuang1
1Department of Epidemiology and Health Statistics, School of Public Health, Fujian Medical University, Fuzhou, Fujian, China.
Head & neck
|May 2, 2024
概括
口腔微生物群的特征可以预测口腔状细胞癌 (OSCC) 的风险. 使用20个细菌属的机器学习模型显示出高准确度,为OSCC提供了潜在的非侵入性查工具.
科学领域:
- 微生物学 微生物学
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
背景情况:
- 口腔状细胞癌 (OSCC) 是一个重要的全球健康问题.
- 早期发现OSCC对于改善患者的治疗结果至关重要.
- 口腔微生物组在癌症发展中的作用是一个新兴的研究领域.
研究的目的:
- 调查口腔微生物特征对OSCC风险的预测价值.
- 使用口腔微生物组数据开发和评估用于OSCC预测的机器学习模型.
主要方法:
- 16S rRNA基因测序用于分析80名OSCC患者和179名健康对照者的唾液样本中的口腔微生物组合.
- 四个机器学习分类器 (随机森林,支持矢量机器,人工神经网络,天真贝叶斯) 用于构建预测模型.
- 计算了微生物失调指数 (MDI),并与机器学习模型性能进行了比较.
主要成果:
- 与对照组相比,OSCC患者的微生物失生指数 (MDI) 显着更高 (p < 0.001).
- 随机森林 (RF) 模型在优化20个细菌属后显示出最高的预测性能 (AUC:0.992),超过了MDI (AUC:0.775).
- 与其他机器学习分类器和MDI相比,开发的RF模型显示出更高的预测准确度.
结论:
- 口腔微生物群签名具有预测OSCC风险的巨大潜力.
- 开发了一个基于机器学习和口腔微生物组数据的新型非侵入性预测模型.
- 这个模型可以作为一个有价值的工具,用于早期,非侵入性查和OSCC的风险评估.
