通过基于肠道微生物的机器学习揭示了CRC子组的诊断效率的提高.
Guang Liu1,2, Lili Su1,2, Cheng Kong3,4
1School of Computer Science and Technology, Xi'an Jiaotong University, Xi'an, 710049, China.
BMC gastroenterology
|September 17, 2024
概括
通过肠道微生物组组成对结直肠癌 (CRC) 患者进行分组,可以提高诊断准确度. 这种分类揭示了不同的微生物特征,并提高了疾病检测效率.
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:
- 结肠直肠癌 (CRC) 是全球癌症相关死亡的主要原因.
- 人们越来越认识到肠道微生物在CRC发展中的关键作用.
- 以前的研究经常将CRC患者与健康对照人进行比较,忽视了瘤内微生物异质性.
研究的目的:
- 根据肠道微生物组成对结直肠癌 (CRC) 患者的分类的影响进行调查.
- 根据微生物组资料,在CRC内识别不同的子组.
- 通过微生物数据提高CRC的诊断效率.
主要方法:
- 分析了CRC队列 (339个样本) 和健康对照 (333).
- 围绕Medoids分区 (PAM) 聚类用于根据微生物组成将CRC样品分为两个子组.
- 采用随机森林算法来构建用于CRC检测的诊断模型.
主要成果:
- 在两个CRC亚组之间观察到微生物多样性 (香农指数) 和129个改变的属 (例如,Fusobacterium,Bacteroides) 的显著差异.
- 结合子组分类的诊断模型显示了显著更高的效率.
- 在一个独立的队列 (187个CRC样本) 中验证证实了这些发现.
结论:
- 将结肠直肠癌 (CRC) 患者根据肠道微生物组成分为子组可以提高诊断效率.
- 这些CRC亚组具有独特的微生物组成.
- 这种方法为更准确的CRC诊断提供了一个有希望的途径.


