对食道状细胞癌的血清蛋白生物标志物的查,验证和基于机器学习的评估,基于单细胞亚型特定基因
Xiuzhi Zhang1,2, Zhefeng Xiao3, Fengqi Chen4
1College of Public Health, Zhengzhou University, Zhengzhou, Henan 450001, China.
Journal of proteome research
|August 13, 2025
概括
这项研究通过分析细胞亚型和蛋白质表达来确定用于早期食道状细胞癌 (ESCC) 检测的新血清生物标志物. 一个机器学习模型有效地诊断ESCC,帮助早期干预.
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:
- 表皮细胞和纤维细胞中的细胞异质性对于食道状细胞癌 (ESCC) 的发展至关重要.
- 识别亚型特定基因对于早期ESCC诊断和治疗至关重要.
研究的目的:
- 为了确定新的血清生物标志物用于ESCC的早期检测.
- 使用机器学习开发ESCC的诊断模型.
- 研究ESCC发育中的细胞异质性.
主要方法:
- 集成的单细胞RNA测序 (scRNA-seq),蛋白质组学和ELISA.
- 定义了表皮和纤维细胞亚型,并确定了失调的分泌蛋白.
- 在ESCC患者,高度内皮质瘤 (HGIN) 病例和正常对照中测量血清蛋白水平.
- 使用机器学习算法构建诊断模型.
主要成果:
- 鉴定了六种上皮和四种纤维细胞亚型,在ESCC和正常组织中具有明显的比例.
- 验证了四种失调的蛋白质作为潜在的生物标志物.
- 开发了一个具有高诊断准确性的支持向量机 (SVM) 模型 (AUC 0.829培训,0.767验证).
- 该模型有效地将ESCC和HGIN与正常对照区分开来,包括早期疾病.
结论:
- 鉴定出的血清生物标志物显示出提高ESCC早期检测和诊断的潜力.
- 开发的诊断工具和管道可适应其他癌症类型.
- 利用细胞异质性是癌症生物标志物发现的一个有价值的策略.
