基于前列腺癌强大的逻辑回归诊断方法,使用针对种族特定基因表达数据集的优化特征选择
David Agustriawan1, Vincent Kurniawan1, Marlinda Vasty Overbeek1
1Faculty of Engineering and Informatics, Universitas Multimedia Nusantara, Tangerang, Indonesia.
Cancer diagnosis & prognosis
|November 3, 2025
概括
这项研究开发了一种使用9基因特征的种族意识前列腺癌 (PCa) 检测模型,在白人和黑人群体中实现了高精度. 种族特定的方法提高了前列腺癌的诊断公平性和准确性.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 前列腺癌 (PCa) 发病率不成比例地影响黑人男性.
- 目前的诊断方法,如前列腺特异性抗原 (PSA) 测试缺乏特异性.
- 机器学习模型经常忽视基因表达的种族差异,影响诊断公平性.
研究的目的:
- 开发一个以种族为基础的PCa检测框架.
- 通过优化功能选择来提高诊断准确性和公平性.
- 为了确定种族特定的生物标志物,以加强PCa诊断.
主要方法:
- 分析RNAseq-Count-STAR和TCGA (554名患者) 的临床数据.
- 功能选择管道整合差异性基因表达,ROC分析和基因组丰富分析.
- 开发一个9基因逻辑回归模型,在白色数据上训练并在黑色数据上验证.
主要成果:
- 9基因模型在白人群体中达到95%的准确性,在黑人群体中达到96.8%的准确性.
- 公平性分析显示,种族群体之间的差异很小 (人口统计学平等的差异为4%,p=0.518).
- 生物知情的特征选择提高了模型的准确性和可解释性.
结论:
- 使用向生物标志物的种族特定PCa检测框架可以提高诊断准确性.
- 该框架解决了种族不可知模型固有的错误分类风险.
- 强调了种族意识基因表达在机器学习诊断中的重要性,用于PCa护理中的精准医学.
