生物信息学和机器学习揭示了头部和部状细胞癌中的新型预后生物标志物
Amir Ali Judaki1, Mohammad Shirinpoor2, Masoumeh Farahani3
1University of Science and Culture, Faculty of Science & Advanced Technologies in Biology, Tehran, Iran.
Journal of applied genetics
|October 1, 2025
概括
这项研究确定了ACADM,KRT33B和C14orf34等关键基因,作为诊断头部和部状细胞癌 (HNSCC) 的有希望的生物标志物. 这些标记物具有很高的准确性,有可能改善这种常见癌症的患者结果.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- 头部和部状细胞癌 (HNSCC) 是一种流行癌症,生存率因阶段而异.
- 瘤异质性在HNSCC的诊断和预后方面带来了挑战.
- 确定可靠的生物标志物对于改善患者的治疗结果和治疗策略至关重要.
研究的目的:
- 通过生物信息学和机器学习,识别HNSCC的新型诊断和预后生物标志物.
- 分析基因表达数据以找到差异表达基因 (DEG) 和具有显著变异性的基因.
- 评估潜在生物标志物的诊断准确性及其与临床数据的相关性.
主要方法:
- 分析RNA表达数据以识别差异表达基因 (DEGs).
- 应用深度学习算法来确定具有显著表达变异性的基因.
- 临床数据与DEG之间的相关性分析,ROC曲线的构造,以及瘤透免疫细胞的预测.
主要成果:
- 深度学习确定了潜在的诊断和预后生物标志物,包括KRT33B,KRTAP3-3,C14orf34和ACADM.
- 对ACADM,KRT33B和C14orf34的组合显示出高的诊断准确性.
- 综合标记面板的灵敏度为0.92,特异性为0.86,曲线下面积 (AUC) 为0.93.
结论:
- 这些已识别的基因,特别是ACADM,KRT33B和C14orf34的组合,显示出作为HNSCC的诊断标记物的巨大潜力.
- 这些生物标志物可以帮助更早,更准确的诊断,潜在地提高患者的生存率.
- 生物信息学和深度学习的整合为HNSCC研究中的生物标志物发现提供了一个强大的方法.
