机器学习驱动的基因表达造型,用于肺癌的阶段确定
Yinbo Wang1, Kai Fu2
1Department of Biostatistics, University of Michigan-Ann Arbor, Ann Arbor, MI, USA.
Cancer biomarkers : section A of Disease markers
|September 12, 2025
概括
这项研究使用机器学习和RNA测序数据来准确地分类早期与晚期肺癌. 开发的XGBoost模型确定了关键的基因,改善了癌症的分期,以获得更好的治疗指导.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 肺癌是癌症死亡的主要原因,需要准确的分期才能有效治疗.
- 下一代测序 (NGS) 和机器学习 (ML) 为精确的癌症分类提供了先进的方法.
- 传统的成像方法在详细的肺癌分期方面存在局限性.
研究的目的:
- 使用RNA-Seq数据对早期与晚期肺癌进行分类.
- 应用 XGBoost 机器学习算法与交叉验证 (CV),以提高分阶段的准确性.
- 从RNA测序数据中识别关键预测基因.
主要方法:
- 利用了癌症基因组图谱 (TCGA) 队列中的993名患者的RNA-Seq数据.
- 在训练数据上使用威尔科克森等级总和测试进行基因选择.
- 通过交叉验证优化了XGBoost模型,并使用曲线下的面积 (AUC) 评估了性能.
主要成果:
- 在XGBoost模型中,测试AUC达到0.6534.
- 确定了40个关键基因,这些基因对于预测准确性和最大限度地减少过度匹配至关重要.
- 确定了0.3和0.4的最佳分类值,以平衡灵敏度和特异性.
结论:
- 将RNA-Seq数据与机器学习集成,可以提高肺癌分期的准确性.
- 这项研究强调了ML驱动的基因组分析在瘤学中的潜力.
- 未来的工作应该涉及更大的数据集,模型基准测试和多omics集成用于临床翻译.
