基于机器学习的分类和脏清细胞癌的预后预测,使用APOBEC家族表达签名

科学领域:

• 分子生物学分子生物学
• 在瘤学瘤学.
• 遗传学 是一个遗传学.

背景情况:

• 阿波利波蛋白B mRNA编辑酶,催化型多类 (APOBEC) 赛丁脱氨酶是参与DNA修复和瘤发育的保存蛋白质.
• DNA损伤与脏清细胞癌 (KIRC) 的发病和进展有关.

研究的目的:

• 使用集群和机器学习分析APOBEC家族表达和KIRC预后之间的相关性.
• 根据APOBEC表达,将KIRC患者分为不同的预后组.
• 将机器学习模型的预测准确度与KIRC预测的传统方法进行比较.

主要方法:

• 从公共数据集中收集KIRC样本.
• 应用集群和机器学习算法来分析APOBEC家族表达式.
• 将考克斯比例危险 (Coxph) 模型与用于预测预后的机器学习模型进行比较.

主要成果:

• 根据APOBEC家族表达,KIRC患者被分为两组,在药物敏感性和存活率上有显著差异.
• 与传统的Coxph模型相比,机器学习模型对KIRC患者预后具有更好的预测能力.
• 确定了潜在的小分子药物用于KIRC治疗.

结论:

• APOBEC家族表达是KIRC分类和预后预测的宝贵生物标志物.
• 开发的机器学习方法可以帮助临床医生预测患者的药物敏感性和存活率.
• 这项研究为指导KIRC患者的临床药物治疗和长期治疗随访提供了基础.