相关实验视频
Updated: Jun 26, 2025
08:40
Methyl-binding DNA capture Sequencing for Patient Tissues
Published on: October 31, 2016
8.6K
机器学习揭示了乳腺癌患者胚胎DNA中的与免疫相关的DNA甲基化概况
Ning Yuan Lee1, Melissa Hum1, Guek Peng Tan2
1Division of Cellular and Molecular Research, National Cancer Centre Singapore, 30 Hospital Boulevard, Singapore, 168583, Republic of Singapore.
Clinical epigenetics
|May 15, 2024
概括
这项研究确定了一种新的基于血液的DNA甲基化特征,用于早期发现乳腺癌. 与免疫相关的生物标志物显示出对非侵入性诊断的前景.
科学领域:
- 基因组学就是基因组学.
- 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
- 癌症生物学 癌症生物学
背景情况:
- 对于早期发现乳腺癌的非侵入性生物标志物有着至关重要的需求.
- 目前的诊断方法缺乏及时干预所需的精度.
研究的目的:
- 为了识别与乳腺癌相关的基于血液的DNA甲基化生物标志物.
- 利用这些生物标志物开发乳腺癌早期诊断的预测模型.
主要方法:
- 通过使用Infinium MethylationEPIC阵列对524名亚裔中国人 (256名乳腺癌患者,268名对照人) 进行了DNA甲基化分析.
- 机器学习模型在一个独立的测试集上进行了训练和验证,以确定预测性甲基化概况.
- 进行了丰富和通路分析,以了解已识别的CpG位点的生物相关性.
主要成果:
- 确定了51CpG位点甲基化概况,区分乳腺癌患者与健康对照组,AUC为0.823.
- 与此前报告的甲基化配置文件相比,这种新型配置文件显示出更高的性能.
- 丰富分析表明与免疫调节AP-1转录因子和免疫相关途径存在关联.
结论:
- 一种新的,与免疫相关的DNA甲基化特征已被确定为乳腺癌.
- 这种特征有可能成为早期发现乳腺癌的非侵入性生物标志物.
