对基因表达的综合分析和向的MIRNA用于通过可解释的机器学习方法来解释口腔和食道状细胞癌之间的交叉声

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• 口腔状细胞癌 (OSCC) 和食道状细胞癌 (ESCC) 是不同的,但可能相关的恶性瘤.
• 了解共同的风险因素和分子机制对于有效的诊断和治疗策略至关重要.

研究的目的:

• 调查OSCC和ESCC之间的双向关系.
• 确定共同的遗传因素和参与两种癌症发展的分子途径.
• 探索潜在的诊断和治疗目标.

主要方法:

• 使用随机森林 (RF) 分类器与可解释机器学习 (IML) 通过夏普利添加式扩展 (SHAP).
• 分析了来自两个基因表达综合 (GEO) 数据集的基因表达数据:GSE30784 (OSCC) 和GSE44021 (ESCC).
• 使用NetworkAnalyst 3.0,单细胞门户网站和miRNET 2.0进行进一步的途径和miRNA相互作用分析.

主要成果:

• 确定了20个关键基因,包括XBP1,VGLL1和RAD1,与OSCC和ESCC显著相关.
• 突出了这些基因与特定的微RNA (miRNA) 点之间的复杂相互作用,例如hsa-mir-124-3p和hsa-mir-1-3p.
• 开发的模型在识别与编程细胞死亡和癌症途径相关的基因方面表现出高精度.

结论:

• 证实了OSCC和ESCC之间的双向关系.
• 为两种癌症建立了共享的生物途径和遗传因素.
• 为OSCC和ESCC开发有针对性的治疗方法和个性化医学策略提供了基础.