在乳腺癌中使用机器学习识别与铜相关的生物标志物

科学领域:

• 在瘤学瘤学.
• 分子生物学分子生物学
• 生物信息学是一种生物信息学.

背景情况:

• 乳腺癌仍然是全球女性癌症相关死亡的主要原因.
• 迫切需要改进诊断和治疗策略.
• 识别新的分子标对于推进乳腺癌治疗至关重要.

研究的目的:

• 识别和验证与乳腺癌和铜诱导的细胞死亡相关的新型基因.
• 探索这些基因在癌症诊断,预后和治疗反应中的作用.
• 为了发现乳腺癌的新治疗点.

主要方法:

• 利用机器学习算法进行基因识别.
• 使用聚合酶链反应 (PCR) 和免疫组织化学 (IHC) 进行验证.
• 从多个数据库和患者队伍中分析数据.

主要成果:

• 确定MT1M,GRHL2和PKM作为关键基因,与乳腺癌中铜死亡有关.
• 在各种模型中证明了这些基因的显著差异表达 (P <0.05).
• 这些基因的高诊断准确性 (AUC>0.9) 和预后值 (显著的HR和P值) 得到了展示.
• 与免疫细胞透和药物敏感性相关的基因表达.

结论:

• MT1M,GRHL2和PKM代表了乳腺癌的有希望的新型诊断和治疗点.
• 这些基因提高了预后准确性,并加深了对乳腺癌机制的理解.
• 这项研究为开发向治疗和改善患者治疗结果提供了基础.