基于机器学习的分析识别和验证了血清外体蛋白质特征,用于诊断结直肠癌
Haofan Yin1, Jinye Xie2, Shan Xing3
1Digestive Diseases Center, The Seventh Affiliated Hospital of Sun Yat-Sen University, Shenzhen, Guangdong, China; Department of Laboratory Medicine, Shenzhen People's Hospital (The Second Clinical Medical College, Jinan University, The First Affiliated Hospital, Southern University of Science and Technology), Shenzhen, Guangdong, China.
Cell reports. Medicine
|August 21, 2024
概括
血清细胞外囊泡 (EVs) 在结直肠癌 (CRC) 诊断方面表现有前途. 使用EV蛋白PF4和AACT的机器学习模型实现了高精度,超过了传统的生物标志物.
科学领域:
- 生物化学 生物化学
- 蛋白质组学是指蛋白质组学.
- 在瘤学瘤学.
背景情况:
- 血清细胞外囊泡 (EVs) 正被研究为结直肠癌 (CRC) 的非侵入性生物标志物.
- 血清EV蛋白对CRC的诊断潜力在很大程度上仍未被探索.
- 现有的生物标志物,如CEA和CA19-9,在灵敏度和特异性方面有局限性.
研究的目的:
- 为了确定血清EVs中的关键蛋白质,以准确诊断结直肠癌 (CRC).
- 开发和验证用于使用EV蛋白质组签名检测CRC的机器学习模型.
- 将新型EV生物标志物的诊断性能与已建立的CRC标志物进行比较.
主要方法:
- 利用4D-DIA蛋白质组学来分析来自CRC发现队列的血清EV样本.
- 应用机器学习,特别是随机森林 (RF) 模型,用于诊断分类.
- 在较大的队列中使用ELISA验证了生物标志物的性能,并通过AUC值评估了诊断效率.
主要成果:
- 确定了PF4和AACT作为CRC的血清EV中的关键诊断蛋白.
- 与EV相关的射频模型实现了高诊断准确性,AUC值为0.960 (列车) 和0.963 (测试).
- 在检测早期CRC和将其与良性结肠直肠疾病区分开来方面表现出可靠的性能.
结论:
- 血清EV蛋白质签名,特别是PF4和AACT,为CRC诊断提供了一个有前途的非侵入性方法.
- 开发的EV相关的射频模型显示出临床应用的显著诊断潜力.
- 这项研究强调了多组学和机器学习在促进癌症生物标志物发现方面的实用性.
