在基于机器学习的结肠直肠癌诊断中的piRNA

科学领域:

• 分子生物学分子生物学
• 生物信息学是一种生物信息学.
• 在瘤学瘤学.

背景情况:

• 客观生物标志物对于早期疾病诊断和改善患者结果至关重要.
• Piwi相互作用RNAs (piRNAs),最小的非编码RNAs,正在研究它们作为疾病生物标志物的潜力.
• 结肠直肠癌 (CRC) 诊断可以从新的,敏感的生物标志物识别中受益.

研究的目的:

• 确定piRNA是否可以作为结直肠癌 (CRC) 诊断的有效生物标志物.
• 使用piRNA数据开发和验证用于CRC检测的机器学习 (ML) 模型.

主要方法:

• 利用CRC患者之前发表的血清样本数据,确定13种差异表达的piRNAs.
• 开发了一种ML算法,生成1020个piRNA序列描述符,并使用一个天真的贝叶斯多项式分类器.
• 通过使用piRBase的独立数据集以及包括乳腺癌在内的无关疾病数据来验证该模型.

主要成果:

• 在识别有影响力的piRNA序列描述器方面,ML模型实现了96.4%的初始准确性.
• 使用piRBase数据的独立验证为CRC检测提供了85.7%的准确性.
• 该模型通过与CRC无关的piRNA得分44.4%来证明其特异性,从而将其与其他疾病生物标志物区分开来.

结论:

• 开发的ML模型是准确诊断结直肠癌的高效工具.
• PiRNAs显示显著的希望作为可靠的生物标志物用于CRC检测.
• 该模型的性能表明,它在未来可能用于诊断其他疾病.