用免疫系统基因分析识别质瘤的预后和诊断生物标志物的识别
Zahra Haghshenas1, Elham Nazari1, Ghazaleh Khalili-Tanha2
1Proteomics Research Center, System Biology Institute, Faculty of Paramedical Sciences, Shahid Beheshti University of Medical Sciences, Tehran, Iran.
Medical journal of the Islamic Republic of Iran
|July 31, 2025
概括
机器学习确定了关键的免疫相关基因,作为质瘤的诊断和预后生物标志物,这是一个常见的脑瘤. 这些发现有助于早期检测和改善患者治疗质瘤的策略.
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:
- 质瘤约占恶性脑瘤的80%,是癌症死亡的主要原因.
- 早期诊断和预后的有效生物标志物对于改善质瘤患者的治疗结果至关重要.
- 机器学习 (ML) 越来越多地用于分析RNA测序数据,以发现新的癌症生物标志物.
研究的目的:
- 使用ML算法识别质瘤的诊断和预后生物标志物.
- 分析来自TCGA数据库的RNA测序数据,以寻找潜在的质瘤生物标志物.
- 利用生物信息学方法在质瘤中发现生物标志物.
主要方法:
- 利用ML分析质瘤患者 (GBMLGG) 的RNA表达特征,以确定差异表达基因 (DEG).
- 采用Kaplan-Meier对生存曲线的分析来确定预后生物标志物.
- 进行了联合表达分析,蛋白与蛋白相互作用 (PPI) 网络分析和与临床数据的相关性分析.
- 应用接收器操作特征 (ROC) 曲线分析用于诊断标记物识别.
主要成果:
- 在数据规范化和过后,确定了3172个DEG (adjustable log fold change adjustable log ≥1和P <0.05).
- 生存分析显示,与整体生存 (OS) 相关的15个上调和9个下调的基因.
- ML算法确定了20个候选基因,其中PSD,TUBA4A和PCDHGC5具有较高的相关系数.
结论:
- 与免疫相关的基因在质瘤的发展,进展和发病过程中发挥着重要作用.
- 五个与免疫相关的基因 (SLAMF7,CD209,TAC4,HLA-DRB68和LYZ) 被确定为质瘤的潜在诊断和预后生物标志物.
