使用生物信息学和机器学习方法识别与吸烟和COVID-19相关的肺癌有关的生物标志物和分子途径
Md Ali Hossain1,2, Mohammad Zahidur Rahman1, Touhid Bhuiyan3
1Department of Computer Science and Engineering, Jahangirnagar University, Dhaka 1342, Bangladesh.
International journal of environmental research and public health
|November 27, 2024
概括
这项研究确定了肺癌 (LC),吸烟和COVID-19之间的关键基因共享. 这些发现为治疗吸烟和COVID-19相关的肺癌提供了潜在的治疗点.
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:
- 肺癌 (LC) 是一个主要的全球健康问题,主要与吸烟有关.
- 流行病学数据表明,吸烟者更容易受到COVID-19的感染.
- 了解吸烟,COVID-19和LC之间的相互作用对于开发有针对性的疗法至关重要.
研究的目的:
- 通过生物信息学研究肺癌,吸烟和COVID-19之间的分子联系.
- 在这些条件中识别共享的差异表达基因 (DEG) 和关键枢纽基因.
- 探索吸烟和COVID-19相关的肺癌的潜在治疗点.
主要方法:
- 对LC,吸烟和COVID-19的基因表达数据集进行比较分析.
- 识别共享的DEG和构建蛋白质-蛋白质相互作用网络.
- 权重基因共同表达网络分析 (WGCNA),生存分析,基因本体学,途径分析和机器学习算法.
主要成果:
- 在LC和吸烟之间 (63个基因) 和LC和COVID-19 (13个基因) 之间确定了共享的DEG.
- 通过网络分析发现了十个重要的枢纽基因 (SLC22A18,CHAC1,ROBO4,TEK,NOTCH4,CD24,CD34,SOX2,PITX2,GMDS).
- 使用这些基因的机器学习模型在预测LC结果方面表现出很高的性能.
结论:
- 该研究强调了肺癌,吸烟和COVID-19中常见的特定分子通路和枢纽基因.
- 这些已识别的基因和途径代表了新的治疗策略的有希望的候选人.
- 这些发现为开发针对吸烟和COVID-19相关肺癌患者的向治疗提供了基础.
关键词:
在 COVID-19 疫情中,在ROC曲线上,ROC曲线在WGCNA中,WGCNA是WGCNA.伴随性疾病发生率.肺癌是一种肺癌.路径分析 路径分析蛋白质与蛋白质的相互作用吸烟是为了吸烟.生存分析,生存分析.更多相关视频
07:59Author Spotlight: Advancements in Molecular Biomarker Testing for Non-Squamous Non-Small Cell Lung Cancer
Published on: September 8, 2023
1.0K
08:05Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia
Published on: December 19, 2020
14.1K
