基于机器学习的结直肠癌中蛋白质标记物的识别,使用英国生物银行数据

科学领域:

• 在瘤学瘤学.
• 生物信息学是一种生物信息学.
• 蛋白质组学是指蛋白质组学.

背景情况:

• 结肠直肠癌 (CRC) 是一个重大的全球健康挑战,发病率和死亡率不断上升.
• 早期发现CRC对于有效治疗至关重要,需要开发新的诊断和预后生物标志物.
• 现有的诊断方法需要改进,推动了对先进生物标志物发现方法的需求.

研究的目的:

• 通过集成机器学习和蛋白质网络分析,识别和验证结直肠癌的蛋白质生物标志物.
• 通过量化蛋白质对预测的贡献来提高机器学习模型的可解释性.
• 探索潜在的治疗点和结直肠癌的诊断策略.

主要方法:

• 利用了健康人和结直肠癌患者的蛋白质组概况.
• 应用了三种机器学习分类器 (LASSO,XGBoost,LightGBM) 与超参数调用于预测建模.
• 采用了SHapley添加剂解释 (SHAP) 值来确定蛋白质生物标志物的重要性,并进行了蛋白质定量特征位置 (pQTL) 分析.

主要成果:

• 拉索分类器在英国生物库数据集中实现了最高的曲线下的面积 (AUC) 75%.
• 确定了TFF3,LCN2和CEACAM5作为关键蛋白质生物标志物,与CRC中的细胞粘附和炎症有关.
• pQTL分析支持TFF1,CEACAM5和SELE在CRC中的参与,可能与PI3K/Akt和MAPK信号通路有关.

结论:

• 该研究成功地确定了对结直肠癌诊断和预后有前途的蛋白质生物标志物.
• 已识别的生物标志物TFF3,LCN2,CEACAM5,TFF1和SELE为有针对性的治疗策略提供了潜力.
• 这些发现为进一步验证和临床应用这些生物标志物的结直肠癌管理提供了基础.