开发一种用于诊断乳腺癌的基因表达分类器
Zahra Hosseinpour1, Mostafa Rezaei-Tavirani2, Mohammad-Esmaeil Akbari3
1Cancer Research Center, Shahid Beheshti University of Medical Sciences, Tehran, Iran.
Medical & biological engineering & computing
|March 13, 2025
概括
这项研究开发了一种用于乳腺癌 (BC) 检测的基因表达分类器. 该模型准确地区分癌症和正常样本,为早期诊断和改进治疗提供了潜力.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 乳腺癌 (BC) 是全球领先的女性癌症,其特点是复杂的固体瘤.
- 有效的治疗需要对瘤生物学和分子驱动因素有更深入的了解.
研究的目的:
- 开发一种高精度的基因表达分类器,用于预测乳腺癌.
- 确定关键的基因和参与乳腺癌发展和进展的途径.
主要方法:
- 差异表达分析 (DEA) 用于识别BC和正常样本之间的显著基因.
- 使用STRINGdb识别基因集群和枢纽基因的蛋白质-蛋白质相互作用 (PPI) 网络构建.
- 用TCGA乳腺癌数据集进行后勤回归建模,用于预测模型的开发和评估.
- 对乳腺癌中BUB1表达的定量分析.
主要成果:
- 发现了两个重要的基因集群:一个与细胞周期检查点/M阶段有关,另一个与细胞外矩阵组织有关.
- 使用枢纽基因 (COMP,FN1,SDC1,BUB1,TTK,NUSAP1) 的预测模型实现了高精度:97.2%的灵敏度,96.1%的特异性,AUC为0.994.1.
- 枢纽基因与不同的生物过程有关,其中COMP,FN1,SDC1与细胞外基质相关,BUB1,TTK,NUSAP1与细胞循环调节有关.
结论:
- 该研究成功地确定了关键基因通路和枢纽基因,用于区分乳腺癌与正常组织.
- 开发的基因表达分类器显示了早期发现乳腺癌的巨大潜力.
- 这些发现为开发新型和改进的乳腺癌疗法提供了有希望的途径.
