使用WGCNA和机器学习识别AKTIP作为纤维状瘤的生物标志物

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:

• 纤维状瘤 (FLC) 是一种罕见的肝癌,治疗选择很少.
• 确定可靠的诊断和治疗目标对于FLC管理至关重要.

研究的目的:

• 为了识别FLC诊断和潜在的治疗剂的枢纽基因.
• 评估AKTIP作为FLC的诊断和预后生物标志物.

主要方法:

• 使用了 GEO 和 ArrayExpress 数据集 (GSE57727, E-MTAB-1503).
• 集成机器学习,药物敏感性数据库,分子对接和分子动力学模拟.
• 进行了瘤分析和qRT-PCR验证.

主要成果:

• 确定AKTIP是FLC的优质诊断和预后生物标志物,表达明显升高.
• 发现了四种化合物 (PI-103,BVT-948,Digitoxigenin,SB-218078) 针对AKTIP,具有强烈的结合亲和力.
• 证实了AKTIP在各种癌症的预后意义及其在肝脏组织中的差异性表达.

结论:

• AKTIP是一种经过验证的FLC诊断和预后生物标志物.
• 四种化合物代表了FLC的潜在治疗剂.
• 这项研究为FLC诊断和治疗提供了新的策略.