通过机器学习识别神经母细胞瘤基因表达特征中的预后生物标志物
Shuxin Tang1, Jinhua Fan1, Yupeng Cun1
1Chongqing Key Laboratory of Child Neurodevelopment and Cognitive Disorders Ministry of Education Key Laboratory of Child Development and Disorders Pediatric Research Institute National Clinical Research Center for Child Health and Disorders Children's Hospital of Chongqing Medical University Chongqing China.
这项研究确定了神经母细胞瘤 (NB) 的11个关键预后生物标志物,这是一个常见的儿科癌症. 高RFC3表达表明预后不佳,表明个性化NB治疗的新治疗点.
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:
- 神经母细胞瘤 (NB) 是一种异质的儿科癌症,结果各不相同.
- 确定可靠的预后生物标志物对于NB的个性化医学至关重要.
研究的目的:
- 发现和验证神经母细胞瘤的预后生物标志物,使用集成型基于网络的机器学习方法.
- 识别枢纽基因并描述与NB预后相关的瘤微环境.
- 探索NB治疗的潜在治疗点和药物敏感性.
主要方法:
- 利用网络光滑的t-统计支持向量机来进行预后生物标志物选择.
- 进行网络分析,从选定的生物标志物中识别枢纽基因.
- 集成批量和单细胞RNA测序数据以分析瘤微环境.
- 进行药物敏感性分析以确定潜在的治疗剂.
主要成果:
- 确定了NB的528个预后生物标志物和11个枢纽预后生物标志物,包括AURKA,BLM,BRCA1,BRCA2,CCNA2,CHEK1,E2F1,MAD2L1,PLK1,RAD51和RFC3.3.
- 高RFC3表达显着与NB预后不佳有关.
- 发现了已识别的生物标志物和化疗药物 (如温克里斯,环胺) 之间的相关性.
- 确定了达克提诺米辛,博尔特佐米布,多塞塔克塞尔和化为潜在的治疗候选药物.
结论:
- 该研究为NB预后提供了新的见解,并确定了关键生物标志物和治疗点.
- RFC3成为神经母细胞瘤的一个潜在的新型预后生物标志物.
- 这些发现支持开发个性化治疗策略,以改善NB患者的临床结果.
更多相关视频
09:40Characterization of Functionally Associated miRNAs in Glioblastoma and their Engineering into Artificial Clusters for Gene Therapy
Published on: October 4, 2019
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020