基于RNA结合蛋白表达的机器学习模型预测丸癌的转移和治疗结果

科学领域:

• 在瘤学瘤学.
• 分子生物学分子生物学
• 生物信息学是一种生物信息学.

背景情况:

• RNA结合蛋白 (RBPs) 调节基因表达,并与疾病的发病有关.
• 了解RBP的作用对于识别新型癌症生物标志物和治疗点至关重要.

研究的目的:

• 为了验证RBPs在丸癌症中的临床意义.
• 开发丸癌转移和治疗结果的预测模型.

主要方法:

• 利用来自TCGA和GTEx数据库的RNA测序数据进行丸癌症分析.
• 采用机器学习模型 (ANN,RF,SVM,LR) 来预测转移和治疗反应.
• 使用GDSC和CTRP数据库评估化疗敏感性.

主要成果:

• 开发了一个RBP风险评分模型,包括12个基因 (例如GAPDH,APOBEC3G,KRT18).
• 该模型准确地预测了无进展间隔,无疾病间隔和转移状态.
• 高风险患者显示M2巨细胞透增加和免疫治疗和化疗的差异反应.

结论:

• RBP签名基因是丸癌的有价值的生物标志物.
• 这些生物标志物可以预测瘤转移和治疗疗效,指导个性化治疗策略.