通过深度学习指导的lncRNAs分类和确定因果标记物,促进HCC患者的精准医学

科学领域:

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

背景情况:

• 肝细胞癌 (HCC) 是一个主要的全球健康问题,排名第五最常见的癌症.
• 识别新的生物标志物对于推进精准医学和改善HCC临床管理至关重要.
• 长非编码RNAs (lncRNAs) 越来越多地被认为是它们在基因调节和癌症进展中的作用.

研究的目的:

• 利用人工智能 (AI) 在肝细胞癌 (HCC) 中发现新型长非编码RNA (lncRNA) 生物标志物.
• 开发和应用深度学习 (DL) 框架,根据病理阶段对HCC患者样本进行分类.
• 确定特定的 lncRNAs,可以作为HCC诊断和预后的潜在生物标志物.

主要方法:

• 利用来自癌症基因组图谱的患者数据用于人工智能驱动的生物标志物识别.
• 构建了一个层次复合深度学习 (DL) 框架,其中有三个深度神经网络 (DNN) 用于样本分类.
• 采用可解释AI (SHAP) 分析,卡普兰-梅尔生存分析和生物研究来验证潜在的lncRNA生物标志物.

主要成果:

• DL框架在分类正常与瘤肝脏样本 (AU-ROC=1,000) 和区分早期与高级HCC阶段 (AU-ROC=0.977) 中取得了高准确性.
• 模型3在评估高级HCC病理阶段时表现中等 (AU-ROC=0.774),表明数据复杂性.
• SHAP分析确定了关键的lncRNAs,包括AC010280.2,AC118754.1,DIO3OS,LINC01748和LINC00659,作为潜在的HCC生物标志物.

结论:

• 这项研究成功地整合了先进的AI和DL技术,用于在HCC中发现lncRNA生物标志物.
• 鉴定到的lncRNA具有显著的潜力,可以提高HCC管理中的精准医学方法.
• 这项研究为改善肝细胞癌的诊断和预后工具铺平了道路.