基于机器学习的威尔姆斯瘤风险模型的构建和与cuproptosis相关的集群的识别
Jingru Huang1, Yong Li1, Xiaotan Pan1
1Department of Pediatric Surgery, The First Affiliated Hospital of Guangxi Medical University, Guangxi Zhuang Autonomous Region, No. 6, Shuangyong Road, Nanning, 530022, China.
BMC medical informatics and decision making
|November 4, 2024
概括
这项研究将威尔姆斯瘤 (WT) 与cuproptosis相关基因 (CRG) 联系起来,开发了WT风险的预测模型. 确定了五个关键基因,为WT机制和潜在的治疗点提供了新的见解.
科学领域:
- 在瘤学瘤学.
- 细胞生物学 细胞生物学
- 遗传学 遗传学 是一个
背景情况:
- 铜诱导的编程细胞死亡 - - 型瘤 (Cuproptosis) 的机制在威尔姆斯瘤 (WT) 中尚不清楚.
- 这项研究调查了WT与cuproptosis相关基因 (CRG) 之间的关联.
研究的目的:
- 探索WT和CRG之间的联系.
- 开发一个用于WT风险评估的预测模型.
主要方法:
- 来自GEO数据库的四个WT基因表达数据集的分析.
- 对CRG的差异表达分析,免疫透研究和加权基因共表达网络分析.
- 使用机器学习 (SVM) 和名ogram,构建和验证WT风险预测模型.
主要成果:
- 识别了13种不同表达的CRG.
- 在WT中显著的免疫细胞透模式,包括较低的CD8+T细胞和较高的M0巨细胞和T毛囊辅助细胞.
- 使用5个关键基因的支持向量机 (SVM) 模型在验证数据集上展示了令人满意的预测性能.
结论:
- 在WT和cuproptosis之间建立了显著的联系.
- 开发了一种用于WT风险的新型预测模型.
- 确定了与WT相关的五个关键基因,可能作为生物标志物或治疗点.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.2K