基于空间奥米克的机器学习算法用于早期检测肝细胞癌
Mengjun Wang1, Stephane Grauzam1,2, Muhammed Furkan Bayram1
1Medical University of South Carolina, Department of Cell and Molecular Pharmacology, Charleston, SC, 29425, USA.
Communications medicine
|December 3, 2024
概括
肝细胞癌 (HCC) 的早期检测通过一种新型的空间奥米克斯N-葡萄糖成像平台得到了改善. 这种方法可以识别关键的甘氨酸和甘氨酸蛋白,以准确地发现HCC生物标志物.
科学领域:
- 发现生物标志物的发现.
- 格莱科米克斯 (Glycomics) 是一个有趣的药物.
- 蛋白质组学是指蛋白质组学.
- 机器学习在瘤学中的应用
背景情况:
- 肝细胞癌 (HCC) 是全球癌症死亡的主要原因.
- 早期的HCC是可以治疗的,但缺乏早期检测的有效生物标志物.
- 目前的omics方法没有确定合适的HCC生物标志物.
研究的目的:
- 开发一种用于识别早期肝细胞癌 (HCC) 生物标志物的新平台.
- 为了研究HCC组织和血清中改变的N-甘氨酸结构.
- 验证潜在的生物标志物,以区分HCC与肝硬化.
主要方法:
- 在HCC组织和配对血清上利用空间omicsN-glycan成像.
- 采用葡萄糖蛋白组学来识别与改变的N-葡萄糖相关的葡萄糖蛋白.
- 使用甘氨酸和甘氨酸蛋白数据开发机器学习算法.
- 在独立的案例控制样本集上测试的算法.
主要成果:
- 在HCC组织和血清中确定了13种特定的N-甘氨酸变异.
- 发现超过50种葡萄糖蛋白含有这些改变的N-葡萄糖结构.
- 机器学习算法准确地将HCC与肝硬化区分开来 (AUROC 0.88-0.97).
结论:
- 开发了一种用于早期检测HCC的新生物标志物平台.
- 该平台有效地识别了早期和高级HCC的生物标志物.
- 这种方法可能适用于其他疾病与改变的N-结合甘化.
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
06:09Author Spotlight: Advancing Hepatic Fibrosis Diagnosis Using Magnetic Resonance Elastography and AI
Published on: July 21, 2023
1.1K