胃癌的转录基因分析通过生物信息分析揭示了关键生物标志物和途径
Ipek Balikci Cicek1, Zeynep Kucukakcali1
1Department of Biostatistics and Medical Informatics, Faculty of Medicine, Inonu University, 44280 Malatya, Turkey.
Genes
|July 29, 2025
概括
这项研究整合了转录组数据和机器学习,以找到新的胃癌 (GC) 生物标志物. 像CST1和TIMP1这样的关键基因显示出早期检测和治疗的希望.
科学领域:
- 基因组学和生物信息学
- 癌症研究 癌症研究
- 分子生物学分子生物学
背景情况:
- 胃癌 (GC) 由于高死亡率和晚期诊断而构成重大全球健康挑战.
- 有效的诊断生物标志物和了解分子机制对于改善GC结果至关重要.
研究的目的:
- 为了确定胃癌的可靠诊断生物标志物.
- 阐明胃癌发展和进展背后的分子机制.
- 通过机器学习,整合来自独立平台的转录数据.
主要方法:
- 使用微阵列和RNA序列对两个基因表达综合体转录基因数据集 (GSE26899和GSE248612) 的分析.
- 用limma和DESeq2进行差异基因表达分析,识别了具有0 基因的基因,并调整了p <0.05.
- 机器学习模型的开发 (随机森林,物流回归,神经网络) 使用最高差异表达基因 (DEG) 和功能丰富分析 (GO,KEGG,Hallmark).
主要成果:
- 在发现数据集中识别了627个DEG,其中关键基因包括CST1,KIAA1199,TIMP1,MSLN和ATP4A.
- 一个随机森林模型实现了高分类性能 (AUC = 0.952).
- 跨平台验证证实了核心基因的55.6%一致性,突出显示了CST1,TIMP1,KRT17,ATP4A,CHIA,KRT16和CRABP2. 丰富分析涉及ECM受体相互作用,PI3K-Akt信号传递,EMT和细胞循环途径.
结论:
- 一种综合性转录和机器学习方法成功识别了高可信度的胃癌生物标志物.
- CST1,TIMP1,KRT16和ATP4A是具有潜在临床实用性的有希望的诊断候选者.
- 这些发现支持改善胃癌早期检测策略和治疗干预措施的开发.
