临床和多基因特征区分年轻的黑人和白人乳腺癌队列 由机器学习方法得出的机器学习方法
Kawther Abdilleh1, Boris Aguilar2, George Acquaah-Mensah3
1Pancreatic Cancer Action Network, El Segundo, California.
Clinical breast cancer
|December 20, 2024
概括
这项研究使用了多组学和机器学习来识别黑人和白人患者之间乳腺癌 (BrCA) 的生物差异. 发现新型双重集群能够准确地分层这些独特的患者队列.
科学领域:
- 基因组学就是基因组学.
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
背景情况:
- 乳腺癌 (BrCA) 在美国的黑人和白人患者之间呈现和结果的差异.
- 社会经济,种族和临床因素有助于这些观察到的结果差异.
- 了解生物基础对于解决这些健康不平等至关重要.
研究的目的:
- 调查导致黑人和白人患者之间BrCA结果差异的生物学和临床因素.
- 在多经济学框架内应用机器学习和无监督的双重集群.
- 识别新型分子亚型,使这些患者群体分层.
主要方法:
- 癌症基因组图谱 (TCGA) 分析了来自50岁或更年轻的II期患者的BrCA样本 (36黑色,103白色).
- 整合多原子数据,包括RNAseq,蛋白质与蛋白质相互作用,蛋白质共同表达网络和DNA甲基化.
- 机器学习算法的应用用于双集群分配预测.
主要成果:
- 鉴定了两种与种族,淋巴结参与,雌激素受体,孕激素受体和更年期状况显著相关的新型双重集群.
- 在队列之间发现差异突变和差异甲基化基因.
- 机器学习模型成功地根据DNA甲基化数据预测了双成员.
结论:
- 确定的双重集群准确地分层了黑色和白色乳腺癌患者队列.
- 这些发现突出了与BrCA中的种族相关的独特分子概况.
- 这种分层结构为理解和潜在地减轻结果差异提供了基础.
更多相关视频
07:41Performing Data Mining And Integrative Analysis Of Biomarker in Breast Cancer Using Multiple Publicly Accessible Databases
Published on: May 17, 2019
8.9K
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
