相关实验视频
Updated: Sep 10, 2025
Genome-Wide Analysis of DNA Methylation in Gastrointestinal Cancer
Published on: September 18, 2020
外周血液DNA甲基化预测TP53突变载体中初级瘤的早期发病
Vallijah Subasri1,2,3, Benjamin Brew1, Brianne Laverty1,2
1Genetics and Genome Biology Program, The Hospital for Sick Children, Toronto, ON, Canada.
患有TP53致病变体的Li-Fraumeni综合征 (LFS) 患者现在可以从个性化癌症风险预测中受益. 一个新的机器学习模型识别了患早期瘤的高风险儿童,改善了监测和患者的结果.
科学领域:
- 遗传学和基因组学
- 癌症学
- 生物信息学
背景情况:
- 李-弗劳梅尼综合征 (LFS) 是由生殖系TP53致病变体 (PV) 引起的遗传性癌症倾向综合征.
- 目前的监测协议,如多伦多协议,提供全面的查,但缺乏针对个体癌症风险的个性化.
- 需要量身定制的查策略来优化TP53载体的早期瘤检测.
研究的目的:
- 在TP53PV携带者中开发和验证早期发作的原发性瘤的预测模型.
- 通过基于周围血液甲基化数据的个体风险分层来个性化癌症监测.
- 通过准确的风险评估,改善临床管理和患者的结果.
主要方法:
- 使用237个TP53PV载体的周围血液甲基化数据开发了一个支持向量机模型.
- 该模型对64名患者进行了验证,并对79名患者进行了外部测试.
- 评估了包括AUROC,F1得分和负预测值 (NPV) 在内的性能指标.
主要成果:
- 该模型实现了高性能,AUROC为0.928,F1得分为0.692,NPV为0.984.
- 在外部测试组中,总体准确率为91%,正确识别了90%的早期癌症患者和87%的无癌症患者.
- 该模型显示了早期恶性瘤风险分层的显著潜力.
结论:
- 一个新的机器学习工具有效预测Li-Fraumeni综合征患者的早期瘤.
- 这种个性化风险分层可以优化临床监测方案.
- 通过及时和有针对性的干预, 开发的模型有望改善患者的结果.
更多相关视频
07:47Author Spotlight: Unveiling Transmembrane Protein Family-Related Markers in Gastric Cancer and Implications for Targeted Therapies
Published on: September 15, 2023
13:21Comprehensive DNA Methylation Analysis Using a Methyl-CpG-binding Domain Capture-based Method in Chronic Lymphocytic Leukemia Patients
Published on: June 16, 2017
相关概念视频
01:46Epigenetic Regulation
02:23Abnormal Proliferation