整合分子,生化和免疫组织化学特征作为肝细胞癌药物反应的预测因子,使用机器学习算法
Marwa Matboli1,2, Hiba S Al-Amodi3, Abdelrahman Khaled4
1Medical Biochemistry and Molecular Biology Department, Faculty of Medicine, Ain Shams University, Cairo, Egypt.
Frontiers in molecular biosciences
|October 31, 2024
概括
机器学习模型使用分子和生物化学数据准确预测肝细胞癌 (HCC) 药物反应. 这种方法识别了关键的生物标志物,为个性化HCC治疗策略铺平了道路.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 机器学习 机器学习
背景情况:
- 肝细胞癌 (HCC) 是一个主要的全球健康问题,药物反应的预测生物标志物有限.
- 个性化治疗策略对于有效的HCC管理至关重要.
研究的目的:
- 开发和评估用于预测HCC药物反应的机器学习模型.
- 为了确定HCC治疗反应的预测生物标志物.
主要方法:
- 使用了监督机器学习分类器 (逻辑回归,k-最近邻居,神经网络,支持向量机器,随机森林).
- 模型利用分子,生物化学和免疫组织化学特征来预测对潘托普拉,氨3-糖化物和氨的反应.
- 评估了性能指标,包括准确性,精度,回忆,特异性和MCC.
主要成果:
- 神经网络使用结合的分子和生化特征实现了最高的预测准确度 (0.9693 ± 0.0105).
- 该模型表现出强大的预测能力,ROC曲线下的平均面积 (AUC) 为0.94±0.06.
- 七个分子,七个生物化学和一个免疫组织化学特征被确定为潜在的生物标志物.
结论:
- 机器学习模型可以有效地预测HCC药物反应.
- 预测性生物标志物的识别有助于个性化HCC治疗.
- 这种方法增强了对HCC的药物反应估计和治疗策略选择.
