在胰腺管道腺癌中基于机器学习识别与生存相关的CpG生物标志物

科学领域:

• 在瘤学瘤学.
• 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
• 生物信息学是一种生物信息学.

背景情况:

• 胰腺管腺癌 (PDAC) 由于诊断迟到和生物标志物有限,预后不佳.
• 有效的早期检测和预后标记对于改善患者存活率至关重要.

研究的目的:

• 确定用于预测胰腺癌患者存活率的新型DNA甲基化生物标志物.
• 开发和验证用于评估PDAC风险和分层患者的预测模型.

主要方法:

• 来自TCGA和ICGC队列的综合DNA甲基化数据.
• 利用统计和机器学习分析来识别与生存相关的CpG站点,并开发一个随机森林预测模型.
• 进行了de novo动机分析,以确定与甲基化生物标志物相关的关键转录调节剂.

主要成果:

• 确定了684个差异甲基化CpG位点和224个与患者存活相关的显著CpG生物标志物.
• 在验证组中开发了一个具有高精度的随机森林模型 (85.2%的短生存率, 70.0%的长生存率).
• 发现TWIST1和FOXA2作为关键的转录调节剂,在与生存相关的CpG位点中进行丰富.

结论:

• 鉴定的表观遗传生物标志物和预测模型为改善手术后PDAC风险评估提供了潜力.
• 这些发现支持加强患者分层和开发胰腺癌个性化治疗策略.