基于机器学习的前列腺癌相关棕化特征基因的识别和验证
Qijun Wo1,2, Jiafeng Shou2, Jun Shi3
1Department of Urology, First Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou, China.
PloS one
|December 4, 2025
概括
这项研究确定了用于前列腺癌 (PCa) 诊断和治疗的关键棕化基因 (LAMB3,APOE,TRPM4). 这些基因显示为改善PCa检测和个性化治疗策略的生物标志物具有前途.
科学领域:
- 在瘤学瘤学.
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 前列腺癌 (PCa) 是男性癌症死亡的主要原因,因瘤异质而复杂.
- 棕化是一种翻译后的修饰,在癌症进展中起作用.
- 鉴定参与棕细胞结合的特定基因对于推进PCa诊断和治疗至关重要.
研究的目的:
- 识别和验证与棕化相关的特征基因作为前列腺癌的潜在诊断和治疗标.
- 使用机器学习算法开发一个强大的PCa诊断模型.
- 研究已识别的基因在PCa进展和免疫调节中的功能性作用.
主要方法:
- 整合基因表达综合 (GEO) 数据集,以识别与棕化相关的差异表达基因 (DEG).
- 机器学习算法的应用 (LASSO,随机森林,支持矢量机) 用于基因选择.
- 功能丰富分析 (基因本体学,KEGG,ssGSEA) 和实验验证 (细胞增殖,迁移,入侵试验).
- 分子对接模拟以确定潜在的治疗剂.
主要成果:
- 通过机器学习识别了与棕化相关的6个DEG;通过机器学习选择了3个核心基因 (TRPM4,LAMB3,APOE).
- 基于这三个基因的诊断模型实现了0.929的PCa检测曲线下的高面积 (AUC).
- 过度表达LAMB3抑制了PCa细胞的增殖,迁移和入侵,而它的淘汰促进了这些过程.
- 分子对接建议二甲基stilbestrol作为一个潜在的治疗药物准LAMB3和APOE.
结论:
- 与棕化相关的基因,特别是LAMB3,APOE和TRPM4,是诊断前列腺癌的重要生物标志物.
- 这些基因与脂质代谢和免疫调节有关,为PCa病变产生提供了洞察力.
- 鉴定到的基因和潜在的治疗点为开发新的,个性化的PCa治疗策略提供了基础.
