使用机器学习识别GAP43,NMU和TEX29作为COPD的潜在预后生物标志物,与肺癌患者结合使用机器学习
Zhilong Xu1, Kaiyao Zhang2, Ao Zeng1
1Department of Thoracic Surgery, Shanghai Pulmonary Hospital, Tongji University School of Medicine, Shanghai, China.
The journal of gene medicine
|May 20, 2025
概括
研究人员确定了三个关键基因 (GAP43,NMU,TEX29) 作为慢性阻塞性肺病 (COPD) 相关的肺癌的潜在生物标志物. 这些基因与免疫细胞透和低生存率相关,提供了新的诊断和治疗见解.
科学领域:
- 在瘤学瘤学.
- 肺部病理学 肺部病理学
- 生物信息学是一种生物信息学.
背景情况:
- 慢性阻塞性肺病 (COPD) 和肺癌是常见的并发症,通常与吸烟有关,造成严重的健康挑战.
- 慢性肺炎会对非小细胞肺癌 (NSCLC) 的预后产生负面影响,但分子联系尚不清楚.
研究的目的:
- 在COPD相关的肺癌中识别差异表达基因 (DEGs).
- 使用机器学习 (ML) 发现预后生物标志物.
主要方法:
- 分析了41名肺癌患者 (有/没有COPD) 的RNA测序数据.
- 应用了ML算法 (SVM-RFE,LASSO,随机森林) 来优先考虑DEGs.
- 使用TCGA数据库生存分析验证的发现.
主要成果:
- 在单独的肺癌和COPD相关病例中发现了61种DEGs.
- 通过所有ML方法,GAP43,NMU和TEX29始终被选为关键生物标志物.
- 这些基因的高表达与糟糕的生存率和改变的免疫细胞透相关.
结论:
- GAP43,NMU和TEX29显示出COPD相关肺癌的诊断和预后生物标志物的潜力.
- 这些基因可能为这种患者群体提供了对治疗点的见解.
