使用WGCNA和机器学习识别甲状腺癌生物标志物
Gaofeng Hu1,2, Wenyuan Niu2,3, Jiaming Ge1,2
1Wenzhou Medical University, Wenzhou, Zhejiang, China.
European journal of medical research
|April 4, 2025
概括
甲状腺癌 (TC) 诊断正在通过新的生物标志物得到改善. P4HA2显示出作为诊断和治疗点的潜力,有助于精确治疗甲状腺癌并改善患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物标志物发现发现
背景情况:
- 甲状腺癌 (TC) 发病率在中国正在上升,主要是由于查和先进超声波的增加.
- 精确的诊断和有效的TC治疗需要确定精确的生物标志物.
研究的目的:
- 确定甲状腺癌的新型诊断和治疗生物标志物.
- 研究潜在生物标志物在TC进展和免疫反应中的作用.
主要方法:
- 利用TCGA数据,使用DESeq2进行差异基因表达 (DEG) 分析,以及加权基因共同表达网络分析 (WGCNA).
- 使用机器学习算法 (XGBoost,LASSO,RF) 来识别生物标志物,通过ROC和AUC分析 (>0.95) 验证.
- 使用CIBERSORT评估免疫细胞透,并分析生物标志物相关性.
主要成果:
- 确定了四个关键基因 (P4HA2,TFF3,RPS6KA5,EYA1) 作为潜在的TC生物标志物.
- 高P4HA2表达与抑制的抗瘤免疫力和晚期疾病相关.
- 实验室实验证实P4HA2上调增强TC细胞的增殖和迁移,而抑制抑制这些过程.
结论:
- 通过综合生物信息学和实验验证,P4HA2被确定为甲状腺癌的关键潜在生物标志物.
- P4HA2为改善甲状腺癌诊断和治疗提供了一个有希望的分子标.
- 向P4HA2可以显著提高甲状腺癌患者的临床结果.
