通过代谢物和机器学习检测结肠直肠癌
Rachel Yang1, Igor F Tsigelny2,3,4,5, Santosh Kesari6
1REHS Program, San Diego Supercomputer Center, University of California San Diego, MC 0505, 9500 Gilman Drive, La Jolla, CA 92093, USA.
Current issues in molecular biology
|May 24, 2024
概括
机器学习模型使用代谢物生物标志物准确检测结直肠癌 (CRC). 这种非侵入性方法为早期癌症检测和诊断提供了结肠镜的有希望的替代方案.
科学领域:
- 生物化学 生化学
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 结肠直肠癌 (CRC) 的诊断依赖于侵入性结肠镜检查.
- 代谢学提供了使用生物标志物的潜在非侵入性检测方法.
- 识别CRC相关代谢物对于诊断进步至关重要.
研究的目的:
- 开发机器学习 (ML) 模型,用于识别CRC相关代谢物.
- 为了利用代谢物的化学描述剂用于CRC诊断.
- 建立结直肠癌的非侵入性诊断工具.
主要方法:
- 选择的CRC相关代谢物作为生物标志物.
- 确认代谢物参与与癌症相关的途径.
- 经过训练和验证的ML模型对代谢物数据和化学描述符进行了训练和验证.
主要成果:
- ML模型在预测CRC阶段的代谢物类方面取得了很高的准确性 (89.55%在0-2阶段,95.21%在3-4阶段,93.04%在0-4阶段).
- 模型在与无关代谢物的独立数据集上显示出稳定性.
- 确定了与CRC代谢物相关的六个关键代谢途径.
结论:
- 基于代谢物概况,开发了有效的ML模型来检测CRC.
- 这些模型显示了结直肠癌的非侵入性诊断方法的潜力.
- 基于代谢物的ML模型可以帮助早期和准确的CRC诊断.
