相关实验视频

Updated: Jan 8, 2026

Integration of Bioinformatics Approaches and Experimental Validations to Understand the Role of Notch Signaling in Ovarian Cancer

Integration of Bioinformatics Approaches and Experimental Validations to Understand the Role of Notch Signaling in Ovarian Cancer

Published on: January 12, 2020

使用综合统计和机器学习方法识别卵巢癌的关键候选基因

Md Ali Hossain^1,2, Tania Akter Asa^1,3, Md Shofiqul Islam⁴

¹NanoBio Technology Center, and Computer Science and Engineering, Daffodil International University, Birulia, Savar, Dhaka-1216, Bangladesh.

Briefings in bioinformatics

|December 17, 2025

概括

这项研究使用机器学习和网络分析确定了卵巢癌 (OC) 的八个关键基因. 这些基因显示出作为OC诊断,预后和治疗策略的生物标志物的前景.

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.
在瘤学瘤学.

背景情况:

卵巢癌 (OC) 是全球癌症相关死亡的主要原因.
识别关键基因对于改善OC诊断和治疗至关重要.

研究的目的:

通过综合方法识别卵巢癌的关键候选基因.
评估OC中已识别的基因的诊断和预后意义.

主要方法:

在微阵列数据集上使用统计和机器学习方法.
进行了差异基因表达分析,支向量机,蛋白质-蛋白质相互作用网络分析和加权基因共同表达网络分析.
使用独立数据集 (GSE38666和TCGA-OC) 验证了候选基因.

主要成果:

确定了84个高度歧视的差异表达基因 (HDDEGs).
通过网络分析确定了八个关键候选基因 (FANCD2,BUB1B,BUB1,KIF4A,DTL,NCAPG,KIF20A,UBE2C).
验证的基因在OC中显示出显著的预测和预后价值.

结论:

已确定的八个关键基因与卵巢癌有显著的关联.
这些基因有可能成为OC诊断,预后和治疗点的生物标志物.
综合性方法为OC分子机制提供了洞察力.

关键词:

在WGCNA的分析中,超中心基因的基因.卵巢癌 (OC) 是一种卵巢癌.蛋白蛋白相互作用 (PPI) 是一种蛋白蛋白相互作用.支持矢量机器 (SVM) 的使用.生存分析,生存分析.

更多相关视频

Performing Data Mining And Integrative Analysis Of Biomarker in Breast Cancer Using Multiple Publicly Accessible Databases

Performing Data Mining And Integrative Analysis Of Biomarker in Breast Cancer Using Multiple Publicly Accessible Databases

Published on: May 17, 2019

Author Spotlight: Unveiling the Role of TMOD3 in Platinum Resistance and Immune Infiltration in Ovarian Cancer

Author Spotlight: Unveiling the Role of TMOD3 in Platinum Resistance and Immune Infiltration in Ovarian Cancer

Published on: August 2, 2024

相关概念视频