开发和验证用于早期诊断和预测肺腺癌的机器学习模型,使用miRNA表达特征
1Department of Respiratory and Critical Care Medicine, The Second Affiliated Hospital of Harbin Medical University, Harbin, Heilongjiang, People's Republic of China.
Cancer biomarkers : section A of Disease markers
|April 2, 2025
概括
机器学习 (ML) 模型确定了用于诊断肺腺癌 (LUAD) 的五微RNA (miRNA) 签名,以及用于预测患者结果的13微RNA模型,从而增强了临床决策.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- 肺腺癌 (LUAD) 存在诊断和预后方面的挑战.
- 准确的生物标志物对于早期检测和治疗分层至关重要.
- 机器学习 (ML) 为开发新型预测模型提供了潜力.
研究的目的:
- 开发和验证用于LUAD的诊断和预后ML模型.
- 为了确定关键的微RNA (miRNA) 签名,用于LUAD分类和结果预测.
- 为了提高临床决策准确性在LUAD管理.
主要方法:
- 使用了癌症基因组图谱 (TCGA) LUAD数据集,分为训练和测试集.
- 采用特征选择技术 (LASSO,RF,SVM) 来识别诊断的miRNAs.
- 开发了使用拉索-考克斯回归的预后模型,并通过ROC和K-M曲线评估了性能.
主要成果:
- 确定了五个miRNA签名,区分早期的LUAD与正常组织.
- 开发了一种13-miRNA预后模型,预测高风险LUAD患者的治疗结果较差.
- 功能丰富分析揭示了与已识别的miRNAs相关的与癌症相关的信号通路.
结论:
- ML算法成功地识别出了一个强大的五米RNA诊断签名,用于LUAD.
- 一个13-miRNA模型在预测LUAD患者预后方面表现出可靠性.
- 这些miRNA签名有望改善LUAD诊断和治疗策略.


