基于机器学习的确定与性别相关的膀癌生物标志物
Joseph R Pizzi1, Image Adhikari2, Prakyat Prakash2
1Thomas H. Gosnell School of Life Sciences, College of Science, Rochester Institute of Technology.
bioRxiv : the preprint server for biology
|January 7, 2026
概括
这项研究使用机器学习来发现新的膀癌生物标志物. 它确定了特定于性别的基因组,可以准确地将瘤与正常组织区分开来,帮助早期诊断.
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:
- 膀癌表现出不同的性别特异性发病率和进展模式.
- 性激素受体活性与此有关,但遗传驱动因素尚不清楚.
- 现有的膀癌生物标志物缺乏一致的诊断准确性.
研究的目的:
- 通过机器学习发现新的,性别特定的膀癌生物标志物.
- 为早期诊断和预后开发精确的基因组.
- 为了确定性别特定的膀癌发展的遗传驱动因素.
主要方法:
- 应用机器学习对性别分层的RNA测序数据.
- 利用差异性基因表达,递归特征消除,逻辑回归和随机森林来进行特征选择.
- 跨策略和交叉验证的聚合基因面板,用于稳健的生物标记物识别.
主要成果:
- 开发出具有高诊断准确度 (AUC 0.932 和 0.914) 的男性和女性特异性基因组 (≤50 个基因).
- 确定PRAC1和PCDH11Y是男性膀癌的关键预测因子.
- 突出了AR,PLXNA1,USP54和PMEPA1作为影响女性膀癌的因素,与雄激素信号相关.
结论:
- 这项研究为创建高性能,可通用的膀癌基因组提供了框架.
- 确定了进一步实验验证的潜在分子标.
- 为性别特定的膀癌提供了改进的诊断和预后工具.
