通过整合性向蛋白质学和机器学习方法,区分胃癌与酸性病
Poornima Ramesh1, Shubham Sukerndeo Upadhyay1, Sonet Daniel Thomas1
1Center for Systems Biology and Molecular Medicine (An ICMR-Collaborating Center of Excellence 2024-2029), Yenepoya Research Centre, Yenepoya (Deemed to be University), Mangalore 575018, India.
Journal of proteome research
|September 17, 2025
概括
使用质谱的新液体活检测可以早期检测胃癌 (GC). 这种多蛋白小组测定将GC与酸性胃病 (APD) 区分开来,有助于及时诊断和治疗.
科学领域:
- 在瘤学瘤学.
- 蛋白质组学是指蛋白质组学.
- 生物标志物发现发现
背景情况:
- 胃癌 (GCs) 经常在晚期被诊断出来,原因是模仿酸性胃病 (APDs) 的非特异性早期症状.
- 对于一种简单的,基于液体活检的测定方法存在重大未满足的需求,以预诊断和区分GC与APD.
- 基于质谱 (MS) 的向蛋白质组学,特别是多重反应监测 (MRM),为开发这种诊断工具提供了一个有希望的途径.
研究的目的:
- 开发和验证基于MS-MRM的快速实验室开发测试 (LDT),用于早期检测胃癌.
- 评估与SHAP集成的新型深度神经网络 (DNN) 评分架构的有效性,用于对GC进行分类.
- 评估这一LDT作为预诊断查工具的潜力,以区分GC和APD.
主要方法:
- 开发一个22分钟的MS-MRM测定,以量化135个样本 (GC,APD,健康人) 的血清蛋白质面板.
- 使用SHAP实现深度神经网络 (DNN),用于模式识别和GC分类.
- 使用ELISA对SAA1和IGFBP2进行蛋白质量定量的验证2.
主要成果:
- 在MS-MRM测定中,通过适当的检测和量化极限,证明了最小的转移和矩阵效应.
- 基于DNN的评分架构在将GC与其他样本区分方面取得了高准确性 (AUROC = 0.95).
- 平均精度超过0.90,蛋白质表达影响模型性能的偏差最小.
结论:
- 开发的22分钟MS-MRM LDT显示出作为胃癌预诊断查方法的巨大潜力.
- 这种测试可以有效地区分GC和APD,指导临床决策向确诊诊断.
- DNN和SHAP的整合提高了诊断模型的可靠性和可解释性.
