识别与乳腺癌相关的化学物质的基因预测者:对MCF7细胞转录组查数据的机器学习分析
Lauren E Koval1,2, Richard Judson3, Julia E Rager1,2,4
1Department of Environmental Sciences and Engineering, UNC Gillings School of Global Public Health, Chapel Hill, North Carolina, USA.
Environmental and molecular mutagenesis
|September 12, 2025
概括
这项研究使用细胞数据的机器学习来确定与乳腺癌风险相关的潜在有害环境化学物质. 它优先考虑进一步研究的化学物质,有助于了解乳腺癌的原因.
科学领域:
- 环境健康 环境健康
- 基因组学就是基因组学.
- 计算生物学 计算生物学
背景情况:
- 乳腺癌是女性最常见的癌症,环境化学物质暴露是可疑因素.
- 许多化学物质缺乏对它们在乳腺癌发展中的潜在作用的评估.
- 了解化学物质-环境-癌症的联系对于公共卫生至关重要.
研究的目的:
- 为乳腺癌风险评估确定和优先考虑研究不足的化学物质.
- 使用转录基因数据开发化学乳腺癌关联的预测模型.
- 研究涉及化学诱导乳腺癌风险的生物途径和基因.
主要方法:
- 暴露于数百种化学物质的MCF7乳腺癌细胞的RNA测序.
- 机器学习模型在转录和物理化学数据上进行训练,以对化学品进行分类.
- 在癌症基因组图谱 (TCGA) 中对基因表达数据的分析进行验证.
主要成果:
- 一个机器学习模型在区分已知的乳腺癌化学物质和非相关的化学物质方面实现了80%的平衡准确性.
- 包括CLSPN,RUNX2和UBN2在内的170个基因被确定为模型的关键贡献者.
- 预计97种未经研究的化学品,包括生物杀菌剂和染料,具有与乳腺癌相关的特征.
- 实验室检测结果显示,TCGA的人类乳腺癌样本的变化重叠.
结论:
- 这项研究为乳腺癌风险评估中优先考虑化学品提供了一个框架.
- 已识别的基因和通路 (炎症,铁亡,增殖) 提供了关于化学致癌机制的见解.
- 这些发现突出了与人类乳腺癌相关的特定化学物质和生物变化.
