通过对转录组和临床病原学分析的机器学习来确定越南口腔状细胞癌患者的特征
Huong Thu Duong1, Nam Cong-Nhat Huynh1, Chi Thi-Kim Nguyen1
1Faculty of Odonto-stomatology, University of Medicine and Pharmacy at Ho Chi Minh City, Ho Chi Minh City, Viet Nam.
Journal of dental sciences
|January 14, 2025
概括
这项研究使用机器学习来分析越南口腔状细胞癌 (OSCC) 患者的mRNA测序和临床数据,识别不同的亚型和潜在的生物标志物,以改善早期检测.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- 口腔状细胞癌 (OSCC) 是一个重大挑战,因为诊断迟到,生存率低.
- 了解OSCC异质性对于改善患者的治疗结果至关重要.
研究的目的:
- 将机器学习 (ML) 应用于mRNA测序 (RNA-seq) 和用于OSCC亚型的临床病理学数据.
- 在OSCC中确定早期检测和预后评估的潜在生物标志物.
主要方法:
- 对206个越南OSCC瘤样本进行了回顾性分析.
- 在101个样本上进行RNA测序,用于基因表达分类.
- 机器学习模型 (XGBoost,SVM) 使用临床病理学数据开发,用于亚型预测和生物标志物发现.
主要成果:
- 确定了两个不同的OSCC子组,具有不同的临床病理学特征和基因表达特征.
- 第一个子组显示免疫反应和细胞灭亡特征;第二个子组显示细胞分裂和恶性特征.
- 提出了12个候选基因作为OSCC亚型的潜在生物标志物.
结论:
- 通过综合mRNA测序和临床病原学分析,对越南OSCC患者队列进行了表征.
- 增强对OSCC瘤微环境的理解.
- 根据临床病原学特征开发了准确的ML模型来预测生物标志物.
