使用机器学习算法在肺腺癌患者中构建ARDS的风险评分模型
Erchun Hong1, Yunyun Sun2, Yongming Qin1
1Department of Emergency Medicine, Bengbu Third People's Hospital, Bengbu Medical University, Bengbu, Anhui Province, China.
Journal of cellular and molecular medicine
|December 10, 2024
概括
研究人员确定了276个与急性呼吸困扰综合征 (ARDS) 相关的基因,影响肺腺癌 (LUAD) 的预后. 一个机器学习模型准确地预测了生存率,突出了个性化的LUAD治疗的潜在生物标志物.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 肺部病理学 肺部病理学
背景情况:
- 肺腺癌 (LUAD) 是一种主要的非小细胞肺癌亚型.
- 急性呼吸窘迫综合征 (ARDS) 复杂化了LUAD,增加了死亡率.
- 了解LUAD中的ARDS相关基因对于改善患者的治疗结果至关重要.
研究的目的:
- 为了确定影响LUAD预后的ARDS相关基因.
- 开发一个关于LUAD患者存活率的预测模型.
- 探索LUAD中这些基因的功能和遗传特征.
主要方法:
- 利用TCGA,GEO和GTEx数据进行差异基因表达分析.
- 采用单变Cox回归,共识聚类和机器学习来开发模型.
- 进行了功能丰富,免疫透,拷贝数变异和突变负担分析,通过单细胞数据验证.
主要成果:
- 确定了276个与ARDS相关的基因,与LUAD预后有显著的关联.
- 开发了一种基于机器学习的风险评分模型,具有准确的生存预测能力.
- 发现这些基因参与细胞循环调节和免疫细胞透,具有独特的遗传特征.
结论:
- 与ARDS相关的基因在LUAD中具有显著的预后价值.
- 开发的风险模型为LUAD的个性化治疗和预后提供了一个工具.
- 需要进一步的研究来验证这些发现,并探索这些生物标志物的临床应用.
