整合机器学习框架,以发现神经内分泌性宫癌中特定的蛋白质特征
Tao Shen1, Tingting Dong2, Haiyang Wang2
1Anhui Provincial Key Laboratory of Molecular Enzymology and Mechanism of Major Metabolic Diseases, Anhui Provincial Engineering Research Centre for Molecular Detection and Diagnostics, College of Life Sciences, Anhui Normal University, Wuhu, China. stao@ahnu.edu.cn.
BMC cancer
|January 10, 2025
概括
这项研究确定了SCGN,CAP2和CACYBP等关键蛋白质 (kNsDEPs),可以诊断神经内分泌宫癌 (NECC). 这些参与细胞骨功能的蛋白质为早期NECC检测提供了新的希望.
科学领域:
- 在瘤学瘤学.
- 分子生物学分子生物学
- 生物标志物发现发现
背景情况:
- 神经内分泌宫癌 (NECC) 是一种罕见的,具有不良预后的侵袭性癌症.
- 目前的NECC诊断和管理缺乏特定的生物标志物.
- 识别独特的蛋白质特征对于改善NECC诊断至关重要.
研究的目的:
- 为了识别特定的蛋白质签名用于诊断NECC.
- 验证已识别的蛋白质的诊断和预后潜力.
- 研究这些蛋白质在NECC病变发生中的作用.
主要方法:
- 利用机器学习算法 (randomForest,SVM-RFE,LASSO) 在NECC和子宫癌基因/蛋白质表达数据上.
- 使用最佳算法组合选择的关键NECC特异性失调蛋白 (kNsDEPs).
- 通过预测模型和免疫组织化学验证了kNsDEPs的诊断效果;研究了其他神经内分泌癌的模式.
主要成果:
- NECC表现出独特的分子特征,包括HPV18感染和细胞骨相关功能.
- 鉴定出分泌素 (SCGN),腺环酶相关蛋白2 (CAP2) 和环素结合蛋白 (CACYBP) 作为诊断的 kNsDEPs.
- 证明了kNsDEP的强大的诊断能力和特异性;发现了独特的上调/下调模式,区分NECC.
结论:
- 关键失调蛋白 (kNsDEPs) 在NECC诊断中具有重要意义.
- 这些蛋白质及其网络为NECC提供了有前途的诊断生物标志物开发.
- 阐明kNsDEP的作用可以提高对NECC病原学的理解.
更多相关视频
09:08Integration of Bioinformatics Approaches and Experimental Validations to Understand the Role of Notch Signaling in Ovarian Cancer
Published on: January 12, 2020
6.6K
11:19Label-Free Immunoprecipitation Mass Spectrometry Workflow for Large-scale Nuclear Interactome Profiling
Published on: November 17, 2019
16.0K