基于生物信息学和机器学习以及实验验证的肝细胞癌关键基因的识别

科学领域:

• 在瘤学瘤学.
• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.

背景情况:

• 肝细胞癌 (HCC) 是一个严重的全球健康威胁,死亡率高.
• 了解基因表达改变在肝癌发生中的作用,对于开发有效的治疗方法至关重要.
• 目前关于特定基因变化如何驱动HCC启动和进展的知识仍然不完整.

研究的目的:

• 确定和验证涉及肝细胞癌 (HCC) 发展和进展的关键驱动基因.
• 探索已识别的基因作为HCC的诊断和预后生物标志物的潜力.
• 为了研究基因表达,免疫细胞透和HCC患者的结果之间的关系.

主要方法:

• 综合生物信息学和机器学习方法被用于分析来自公共数据库 (GEO,TCGA,ICGC) 的基因表达数据.
• 鉴定了差异表达基因 (DEG),其次是基因本体学 (GO),KEGG和基因组丰富分析 (GSEA).
• 机器学习算法 (SVM-RFE,LASSO) 识别了诊断基因,同时使用CIBERSORT和GEPIA2.0分别评估了免疫细胞透和预后意义. 验证包括IHC,单细胞和空间转录组学.

主要成果:

• 确定了80种DEG,其中72种在HCC下调,8种在HCC上调. 关键途径涉及酒精反应,免疫反应和病毒蛋白相互作用.
• 机器学习和预后分析确定了FAM83D作为与HCC预后和生存率差相关的关键基因.
• 过度表达FAM83D与免疫细胞透的改变有关,主要是在恶性细胞中,并且与免疫治疗反应不佳相关.

结论:

• FAM83D成为HCC发展和进展的关键基因,可能成为早期诊断和预后的有价值生物标志物.
• 这些发现表明FAM83D在影响HCC患者的治疗结果和治疗反应方面的作用.
• 对FAM83D的进一步研究可能会导致肝细胞癌的新疗法策略.