相关实验视频
Updated: Jun 10, 2025
00:07
In Vivo Inhibition of MicroRNA to Decrease Tumor Growth in Mice
Published on: August 23, 2019
7.2K
鉴定乳头甲状腺癌的潜在生物标志物
Sabire Kilicarslan1, Meliha Merve Hiz-Cicekliyurt2
1Çanakkale Onsekiz Mart University, Graduate School of Sciences, Department of Medical System Biology, Çanakkale, Turkey.
Endocrine
|October 14, 2024
概括
这项研究使用生物信息学和机器学习确定了七个基因 (RXRG,CDH2,ETV5,QPCT,LRP4,FN1和LPAR5) 作为乳头甲状腺癌 (PTC) 的关键生物标志物. 这些发现支持PTC的潜在新诊断和治疗策略.
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:
- 乳头甲状腺癌 (PTC) 是最常见的甲状腺恶性瘤类型.
- 确定可靠的生物标志物对于早期诊断和有效治疗PTC至关重要.
研究的目的:
- 为了确定皮肤状甲状腺癌 (PTC) 的候选生物标志物.
- 利用生物信息学和机器学习 (ML) 的综合分析来发现生物标志物.
主要方法:
- 下载并分析PTC数据集 (GSE6004,GSE3467,GSE33630) 以确定差异表达基因 (DEG).
- 进行了基因本体学 (GO) 和KEGG通路丰富分析.
- 使用STRING.构建了一个蛋白质与蛋白质相互作用 (PPI) 网络.
- 应用混合特征选择 (LDHFS) 和机器学习算法 (随机森林,天真贝叶斯,SVM) 用于基因识别.
主要成果:
- 确定了七个关键基因 (RXRG,CDH2,ETV5,QPCT,LRP4,FN1,LPAR5),这些基因是PTC进展的组成部分.
- 随机森林算法实现了最高的准确性 (94.62%),使用这些基因的卡帕值为91.36%和AUC为96.13%.
- 这些结果证实了PTC中与这些基因相关的遗传变化.
结论:
- 这些已识别的基因作为PTC诊断和治疗的新生物标志物.
- 开发的模型显示了早期PTC诊断和查的显著预测价值.
- 这些发现有助于推进PTC管理,并指导未来的研究.
