预测肝细胞癌 (HCC) 中的关键途径:使用样本途径信息矩阵的机器学习方法

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:

• 肝细胞癌 (HCC) 是最常见的初级肝癌.
• 代谢功能障碍增加了肝硬化风险,这是HCC的前体.

研究的目的:

• 开发一种基于患者基因表达的新方法来识别基于患者基因表达的信号通路.
• 检查与肝硬化相关的HCC相关的预测生物标志物.

主要方法:

• 结合基因表达和通路丰富分析.
• 从差异表达基因 (DEGs) 构建了一个蛋白质-蛋白质相互作用网络.
• 在样本路径信息矩阵 (SPIM) 上使用随机森林模型进行路径预测.

主要成果:

• 确定了58个高调和62个低调的DEG.
• 在预测关键路径方面实现了94%的准确性.
• 阿拉基酸代谢被确定为最重要的途径,涉及CYP2C9,CYP2C8和CYP2B6.6等基因.

结论:

• 这种新的方法有效地通过从基因表达数据中提取关键信号通路来区分患病样本.
• 将基因表达与丰富的生物学途径相结合,有助于识别HCC进展的关键途径.