一种基于口腔微生物群的深度神经网络模型,用于胃癌风险分层和预后预测
Xue-Feng Gao1, Can-Gui Zhang1,2, Kun Huang3
1Integrative Microecology Clinical Center, Shenzhen Clinical Research Center for Digestive Disease, Shenzhen Technology Research Center of Gut Microbiota Transplantation, The Clinical Innovation & Research Center, Shenzhen Key Laboratory of Viral Oncology, Department of Clinical Nutrition, Shenzhen Hospital, Southern Medical University, Shenzhen, China.
Journal of oral microbiology
|January 22, 2025
概括
这项研究确定了与胃癌 (GC) 存活相关的口腔细菌. 使用这些标记物的深度神经网络 (DNN) 模型准确预测GC预后,优于传统的分期方法.
科学领域:
- 微生物组研究的研究.
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
背景情况:
- 胃癌 (GC) 仍然是一个重大的全球健康挑战.
- 准确的风险分层和预后预测对于有效的GC管理至关重要.
- 口腔微生物群在GC病原和进展中的作用是一个新兴的研究领域.
研究的目的:
- 开发一种基于口腔微生物群的胃癌 (GC) 风险分层模型.
- 使用已识别的口腔微生物标记物来预测GC预后.
- 评估机器学习模型在GC预测预后中的性能.
主要方法:
- 鉴定与99名GC患者的GC预后相关的口腔微生物标记物.
- 在111名GC患者的外部队列上验证标志物的预测潜力.
- 构建和评估深度神经网络 (DNN),随机森林 (RF) 和支持矢量机器 (SVM) 模型,用于GC预后预测.
主要成果:
- 特定的口腔细菌,包括*Aggregatibacter*, *Filifactor*, *Moryella*和 *Leptotrichia*,被确定为GC的显著预后标志物.
- 基于这些细菌标记物的DNN模型在预测3年 (AUC 0.814) 和5年 (AUC 0.912) 的存活率方面取得了很高的准确性.
- 与TNM分期,SVM和RF模型相比,DNN模型表现出优异的性能,其发现得到了外部验证的支持.
结论:
- 一个基于口腔微生物群的DNN模型显示了促进GC预后预测的前景.
- 鉴定到的口腔细菌标记物可以作为GC的新生物标记物.
- 进一步研究这些口腔细菌在GC进展中的生物功能是有必要的.
