基于机器学习和生物信息学分析,确定肝细胞癌的潜在生物标志物

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• 转移是肝细胞癌 (HCC) 死亡的主要驱动因素.
• 预测HCC转移的有效生物标志物目前尚未得到充分研究.
• 确定可靠的预后指标对于改善患者的治疗结果至关重要.

研究的目的:

• 选和验证与HCC转移相关的候选基因.
• 使用机器学习构建转移衍生的预后签名 (MDPS).
• 评估已识别的基因作为HCC的预后生物标志物和治疗点的潜力.

主要方法:

• 基因表达总体 (GEO) 和癌症基因组图谱 (TCGA) 数据集的整合.
• 应用机器学习算法来构建共识的MDPS.
• 根据风险分数,将HCC患者分为高风险和低风险组分层.
• 对生存结果,临床特征和免疫细胞透的全面分析.
• 在体外实验验证特定基因在瘤进展中的作用.

主要成果:

• 一个由SPP1,TYMS,HMMR和MYCN组成的四基因共识MDPS成功构建.
• MDPS有效地将HCC患者分为不同的预后组.
• 鉴定出来的基因显示出作为HCC转移的预后生物标志物的潜力.
• 实验室研究证实,HMMR过度表达促进了HCC的进展,包括扩散,迁移和入侵.

结论:

• 开发的基于机器学习的程序提供了一个强大的工具,用于构建HCC的预后签名.
• 四个基因的MDPS (SPP1,TYMS,HMMR,MYCN) 显示出作为一个高效的预后生物标志物和HCC转移的潜在治疗点的希望.
• 向HMMR可能是抑制HCC瘤进展的可行策略.