在基于机器学习的小肠神经内分泌瘤中识别和组织级验证与铁亡相关的基因

科学领域:

• 在瘤学瘤学.
• 分子生物学分子生物学
• 遗传学 遗传学 是一个

背景情况:

• 小肠神经内分泌瘤 (SI-NENs) 的治疗具有挑战性.
• 在SI-NEN中,依赖于铁的细胞死亡 - - 铁亡的作用尚不清楚.

研究的目的:

• 在SI-NEN中识别与铁亡相关的基因.
• 评估这些基因的临床相关性.

主要方法:

• 利用来自公共SI-NEN数据集的RNA测序数据.
• 应用机器学习 (LASSO回归,随机森林) 来识别核心铁灭相关基因.
• 在患者活检上使用免疫光学验证的结果.

主要成果:

• 确定了CDCA3,CDC25A,CYP4F8和MYB作为SI-NEN中的核心铁化相关基因.
• 与对照组相比,在SI-NEN患者中发现CYP4F8和CDCA3的表达减少.
• 在更高等级 (G2/3) 的SI-NEN中观察到较低的CYP4F8和CDCA3表达.

结论:

• 在SI-NEN中发现了四个与铁死相关的核心基因 (CDCA3,CDC25A,CYP4F8,MYB).
• 这些基因可以作为诊断生物标志物.
• 这些基因代表SI-NENs的潜在治疗点.