相关实验视频
Updated: May 16, 2025
06:59
Isolation and Profiling of MicroRNA-containing Exosomes from Human Bile
Published on: June 13, 2016
10.2K
基于来自血清细胞外囊泡的微生物体标志物的胰腺癌诊断的机器学习模型
Doeun Lee1, Chanhee Lee1, Kyulhee Han1
1Interdisciplinary Program in Bioinformatics, Seoul National University, Seoul, 08826, Korea.
Scientific reports
|March 31, 2025
概括
血液细胞外囊中的微生物群标记物显示出早期胰腺癌 (PC) 诊断的前景. 机器学习模型使用这些微生物签名准确地识别了PC患者.
科学领域:
- 微生物组研究的研究.
- 癌症诊断 癌症诊断 癌症诊断
- 细胞外囊泡生物学 细胞外囊泡生物学
背景情况:
- 由于晚期检测,胰腺癌 (PC) 的存活率非常低.
- 新兴研究将肠道微生物组成与包括癌症在内的各种疾病联系起来.
研究的目的:
- 在细胞外囊泡 (EVs) 中识别微生物群标记物,用于胰腺癌诊断.
- 开发和评估用于使用这些标记器检测PC的机器学习模型.
主要方法:
- 分析38名PC患者和51名健康对照的血液样本中的EVs.
- 利用最小绝对收缩和选择操作员 (LASSO) 和分步方法来在类和属层面选择标记物.
- 开发并比较了后勤回归,随机森林,支持矢量机和深度神经网络 (DNN) 模型.
主要成果:
- 在属级别上,DNN与三个标记物 (Verrucomicrobia,Actinobacteria,Proteobacteria) 实现了0.959.95的测试AUC.
- 在属级别上,使用11个LASSO选择标记的DNN实现了0.961.1的测试AUC.
- DNN模型在区分PC患者和健康对照患者方面表现出卓越的表现.
结论:
- 来自血液EVs的微生物组标记物具有非侵入性胰腺癌诊断的重大潜力.
- 机器学习模型,特别是DNN,可以有效地利用这些标记器进行准确的PC预测.
- 需要进一步的临床研究来验证这些发现用于诊断应用.
