一个综合孟德尔随机化,大脑功能连接和转录组学的多组学分析,以探索非小细胞肺癌中风险相关特征
LiYan Zhong1, XiaoJing Wei2, JianMing Jiang3
1School of Medical Technology and Artificial Intelligence, Youjiang Medical University for Nationalities, Baise, Guangxi 533000, China; Guangxi Key Laboratory of Artificial Intelligence for Genetic Diseases of Long-dwelling Nationalities, Baise, Guangxi 533000, China.
Computational biology and chemistry
|March 4, 2026
概括
大脑连接的改变与非小细胞肺癌 (NSCLC) 的风险有关. 多omics分析确定了关键基因和NSCLC的预测模型,为风险评估提供了新的途径.
科学领域:
- 神经科学是一个神经科学.
- 基因组学就是基因组学.
- 在瘤学瘤学.
背景情况:
- 非小细胞肺癌 (NSCLC) 是全球癌症死亡的主要原因.
- 导致NSCLC大脑转移风险的因素尚未完全理解.
- 澄清这些风险因素对于更好的患者管理至关重要.
研究的目的:
- 调查与非小细胞肺癌 (NSCLC) 风险相关的生物因素.
- 评估内在大脑功能连接和NSCLC易感性之间的关联.
- 为了确定NSCLC风险的预测性分子标记.
主要方法:
- 综合多主题数据分析.
- 使用GWAS数据来评估大脑连接和NSCLC风险的门德尔随机化.
- 瘤转录组的差异基因表达和网络分析.
- 机器学习 (LASSO,随机森林) 用于候选基因选择.
- 使用ROC,决策曲线和校准分析开发和验证预测模型.
主要成果:
- 门德尔的随机化揭示了大脑内在连接的改变,特别是在前,角和带状,与NSCLC风险相关.
- 转录组分析确定了204个差异表达的基因.
- 选择FRMD3,C7orf68,RCN3和RBP1作为核心预测基因.
- 开发的预测模型显示出良好的区分能力,AUC为0.873.3.
结论:
- 内在的大脑功能连接性与NSCLC风险有关.
- 特定的分子基因显示NSCLC的预测相关性.
- 多omics框架为NSCLC风险评估提供了一个新的方向,需要在独立队列中进一步验证.
