基于3D基因组选择的circRNA的AML的机器学习预测
Zhangli Yuan1,2,3, Wenqian Yan1,2, Ruoyao Wang4
1Bio-X Institutes, Key Laboratory for the Genetics of Developmental and Neuropsychiatric Disorders, Shanghai Jiao Tong University, Shanghai, China.
这项研究引入了一种集成3D基因组架构的机器学习模型,以使用循环RNA (circRNAs) 改善急性髓性白血病 (AML) 预测. 基于3D基因组的方法增强了生物标志物发现和预测模型的稳定性.
科学领域:
- 基因组学和生物信息学
- 癌症研究 癌症研究
- 分子生物学分子生物学
背景情况:
- 急性髓性白血病 (AML) 是一种由遗传和表观遗传变化驱动的侵袭性癌症.
- 循环RNAs (circRNAs) 由于其稳定性,可以作为诊断生物标志物.
- 目前用于AML预测的circRNA模型往往忽视了3D基因组组织的作用.
研究的目的:
- 开发一个集成3D基因组架构的机器学习框架,以改善AML中的circRNA生物标志物选择.
- 研究空间基因组组织对circRNA形成,功能和预测潜力的影响.
主要方法:
- 从Hi-C数据获得的3D染色体模型上映出9565个circRNA.
- 分析了3D基因组内的circRNA空间聚类和通路丰富.
- 开发了使用表达式,路径和空间特征的circRNA面板,并通过机器学习算法验证.
主要成果:
- 确定了18条具有显著3DcircRNA聚合的途径,允许辐射分层.
- 来自第五个辐射层 (Panel-3DG-Radius5) 的一个小组显示出优越且一致的AML预测性能 (ROC-AUC>0.99).
- 整合3D基因组背景减少了特征对线性和改善了生物解释性.
结论:
- 一个3D基因组信息化的范式可以显著提高AML的circRNA生物标志物发现.
- 空间基因组组织是提高AML预测模型的精度和稳定性的关键因素.
- 这种方法为利用复杂的基因组数据在癌症诊断中提供了一个新的策略.
更多相关视频
10:27In Silico Identification and Characterization of circRNAs During Host-Pathogen Interactions
Published on: October 21, 2022
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
相关概念视频
Genomics
Predicting Molecular Geometry
Machines
A free-body diagram of the...
Machines: Problem Solving II
Frequency-dependent Selection
Genome Size and the Evolution of New Genes
