综合生物信息学和机器学习用于确定和验证用于查乳腺疾病的生物标志物
Qi Wang1, Saisai Yang1, Yao Zhang1
1National Key Laboratory, Heilongjiang University of Chinese Medicine, Harbin 150000, China.
Genes
|November 27, 2025
概括
研究人员确定ARRDC1和ATP2A2是诊断良性乳腺疾病 (BBD) 和乳腺癌 (BC) 的关键生物标志物. 这些基因与免疫调节有关,可以作为乳腺疾病的诊断和治疗点.
科学领域:
- 基因组学就是基因组学.
- 生物标志物发现发现
- 在瘤学瘤学.
背景情况:
- 研究新的生物标志物,以准确诊断乳腺疾病.
- 阐明乳腺疾病背后的免疫相关机制.
研究的目的:
- 确定和验证良性乳腺疾病 (BBD) 和乳腺癌 (BC) 的诊断生物标志物.
- 探索与BBD和BC进展相关的免疫相关机制.
主要方法:
- 利用基因表达综合 (GEO) 数据集进行差异基因表达分析 (LIMMA) 和加权基因共同表达网络分析 (WGCNA).
- 应用机器学习算法 (LASSO,随机森林,SVM-RFE) 用于核心基因选择.
- 使用ROC曲线,名图和TCGA-BRCA数据进行预后分析和CIBERSORT用于免疫透的评估诊断性能.
主要成果:
- 在BBD中鉴定了2579个差异表达基因 (DEG) 和41个在免疫路径中丰富的常见基因.
- 选择ARRDC1和ATP2A2作为核心诊断基因,曲线下的面积 (AUC) > 0.8.8.
- 在乳腺癌患者中,ARRDC1和ATP2A2的高表达与不良预后相关.
结论:
- ARRDC1和ATP2A2是BBD和BC的重要生物标志物.
- 这些基因为乳腺疾病的发病和进展提供了洞察力.
- ARRDC1和ATP2A2是临床干预的潜在治疗点.
