解码宫癌生物标志物:生物信息学,机器学习和实验确认的综合框架
Pradnya Kamble1, Kajal Dubey1, Abhiyanta Mukherjee2
1Department of Pharmacoinformatics, National Institute of Pharmaceutical Education and Research, S.A.S. Nagar, Punjab, India.
Cancer investigation
|October 22, 2025
概括
这项研究确定了七个关键基因作为早期宫癌检测的潜在生物标志物. 这些通过RT-PCR验证的发现可以提高这种常见的女性癌症的诊断准确度.
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:
- 宫癌是全世界妇女死亡的主要原因之一.
- 持续高风险的人类乳头瘤病毒 (HPV) 感染是宫癌的主要驱动因素.
- 迟到的诊断限制了治疗的有效性,强调了需要精确的生物标志物.
研究的目的:
- 用生物信息学和机器学习来识别宫癌的重要诊断生物标记基因.
- 通过实验方法验证潜在的生物标志物.
主要方法:
- 利用了转录学数据集和高通量测序数据.
- 应用生物信息学和机器学习 (ML) 方法来分析基因表达.
- 通过实时聚合酶链反应 (RT-PCR) 验证已识别的生物标记基因.
主要成果:
- 鉴定了具有显著诊断价值的七个失调基因 (APOD,SPARCL1,AR,MCM2,NUSAP1,PLK1,STIL).
- 开发了基于差异表达基因的宫癌诊断的ML预测模型.
- 通过RT-PCR验证了已识别的基因的诊断潜力.
结论:
- 这些已识别的基因显示出作为宫癌的诊断生物标志物具有前途.
- 生物信息学和机器学习方法在发现新型癌症生物标志物方面是有效的.
- 这些发现可能有助于更早,更准确地诊断宫癌.
