从使用机器学习方法的非编码RNA配置文件中,从早期和晚期肝癌之间的长非编码RNAs进行分类
Songtham Anuntakarun1, Jakkrit Khamjerm1,2, Pisit Tangkijvanich1
1Center of Excellence in Hepatitis and Liver Cancer, Department of Biochemistry, Faculty of Medicine, Chulalongkorn University, Bangkok, Thailand.
Bioinformatics and biology insights
|June 7, 2024
概括
这项研究确定了长非编码RNAs (lncRNAs) 作为肝癌检测的潜在生物标志物. 机器学习模型有效地区分了早期和晚期阶段,突出了用于诊断和预后的特定 lncRNA.
科学领域:
- 基因组学和生物信息学
- 分子瘤学分子瘤学
- 癌症生物标志物 癌症生物标志物
背景情况:
- 长非编码RNAs (lncRNAs) 是关键调节器的基因表达涉及到癌症.
- 肝癌对全球健康造成重大负担,需要改进诊断工具.
- 使用机器学习识别肝癌的lncRNA生物标志物仍然是一个未经探索的领域.
研究的目的:
- 为了确定肝癌的候选长非编码RNA生物标志物.
- 开发一种机器学习模型,根据lncRNA表达来分类早期与晚期肝癌.
主要方法:
- 利用了来自The CancerLivER数据库的40699个lncRNA的数据集.
- 应用各种特征选择技术和机器学习算法,包括随机森林.
- 使用基因表达特征交互分析 (GEPIA) 数据库验证的结果.
主要成果:
- 随机森林模型在分类早期 (第一阶段) 与晚期 (2-4) 肝癌时实现了0.840的AUC.
- 鉴定了五种差异表达的lncRNAs:WAC-AS1,MAPKAPK5-AS1,ARRDC1-AS1,AC133528.2和RP11-1094M14.11. 这五种不同表达的lncRNAs是:WAC-AS1,MAPKAPK5-AS1,ARRDC1-AS1,AC133528.2,以及RP11-1094M14.11.
- 较高的WAC-AS1,MAPKAPK5-AS1和ARRDC1-AS1表达与较短的整体存活时间相关.
结论:
- 基于lncRNA表达的分类模型可以有效地预测肝癌的阶段.
- 鉴定到的 lncRNAs 显示出作为肝癌早期诊断和预后生物标志物的潜力.
- 需要进一步的研究来将这些发现转化为临床应用.


