MarkerPredict:通过机器学习预测临床相关的预测生物标志物
Daniel V Veres1,2, Peter Csermely1, Klára Schulc3,4
1Department of Molecular Biology, Semmelweis University, Budapest, Hungary.
NPJ systems biology and applications
|November 21, 2025
概括
本研究介绍了MarkerPredict,该工具使用蛋白质网络和疾病数据来识别针对性癌症治疗的潜在预测生物标志物. 它成功地确定了成千上万种潜在的生物标志物,有助于精确瘤学.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 精确瘤学需要预测生物标志物,以便有效的向癌症治疗.
- 蛋白质网络特性和内在障碍影响生物标志物的潜力.
研究的目的:
- 开发一个整合网络动机和蛋白质乱的框架,用于预测生物标志物发现.
- 创建MarkerPredict工具,用于识别潜在的癌症生物标志物.
主要方法:
- 使用基于文献的蛋白质相互作用对的训练集.
- 随机森林和XGBoost机器学习模型应用于信号网络.
- 生物标志物概率得分 (BPS) 根据模型排名来定义.
主要成果:
- 标记器预测以高精度 (0.7-0.96 LOOCV) 分类了3670个目标邻对.
- 针对向癌症治疗的2084个潜在的预测生物标志物被确定.
- 在所有计算中都一致确定了426个生物标志物,包括LCK和ERK1.
结论:
- MarkerPredict工具有助于识别针对癌症向治疗的潜在预测生物标志物.
- 鼓励对高级生物标志物进行进一步的验证,以获得临床应用.
- MarkerPredict有可能影响瘤学的临床决策.


