通过综合生物信息学分析和机器学习,识别与良性前列腺增生和前列腺癌发展相关的编程细胞死亡关键基因
Jie Chen1,2, Bo Chen1,2, Yin Ning3
1Department of Urology, Institute of Urology, West China Hospital, Sichuan University, Chengdu, China.
Translational andrology and urology
|December 10, 2025
概括
这项研究确定了两个关键基因,BMP5和CYP1B1,与编程细胞死亡 (PCD) 相关,这对于了解良性前列腺增生 (BPH) 和前列腺癌 (PCa) 发展和预后至关重要.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 分子生物学分子生物学
背景情况:
- 良性前列腺增生 (BPH) 和前列腺癌 (PCa) 的分子机制尚未完全理解.
- 识别参与编程细胞死亡 (PCD) 的基因对于理解这些条件至关重要.
研究的目的:
- 在BPH和PCa的发展中识别与编程细胞死亡 (PCD) 相关的基因.
- 为基因发现利用综合生物信息学和机器学习.
主要方法:
- 下载并分析了基因表达综合 (GEO) 数据集 (GSE119195,GSE55597).
- 使用Limma. 鉴定了差异表达基因 (DEGs).
- 使用机器学习技术过核心基因 (LASSO,XGBoost,随机森林,Boruta).
主要成果:
- 确定了159个关键基因和15个与PCD相关的枢纽基因.
- 选择了两个枢纽基因BMP5和CYP1B1,作为PCa和BPH风险的可靠指标.
- 在数据集中实现了高预测准确性 (AUC值为0.988和1).
- 发现CYP1B1表达与PCa预后,格里森得分和TNM阶段相关.
结论:
- 开发了BPH和PCa风险的高预测模型.
- BMP5和CYP1B1可能为BPH和PCa的病原发生提供了洞察力.
- 需要对这些发现进行进一步的临床验证.


