基于机器学习算法的生信学方法：用于识别胆囊癌相关生物标志物和关键通路
基因组学
2024-10-21 v1 机器学习
摘要
胆囊癌（GBC）是胆总管腺瘤中最常见的疾病原因。识别与GBC进展相关的分子机制和生物标志物是科学研究中的重大挑战。近期仅有少数研究探讨了生物标志物在GBC中的作用。本研究旨在使用机器学习（ML）和生信学技术识别GBC中的生物标志物。我们将GBC肿瘤样本与正常样本进行比较，从两个微阵列数据集（GSE100363、GSE139682）中从NCBI GEO数据库中识别差异表达基因（DEGs）。共发现146个DEGs，其中39个上调、107个下调。通过DAVID对这些DEGs进行功能富集分析，使用Gene Ontology（GO）术语和REACTOME通路。使用STRING数据库构建了蛋白质-蛋白相互作用网络。为识别hub基因，我们应用了三种排序算法：Degree、MNC和Closeness Centrality。这些算法的hub基因交集产出11个hub基因。同时，我们使用Pearson相关和递归特征消除两种特征选择方法来识别显著的基因子集。我们随后在GSE100363数据集上开发了SVM和RF模型，并在GSE139682上进行验证，以确定最能区分GBC样本的基因子集。最终，hub基因的表现优于其他基因子集。最后，识别出NTRK2、COL14A1、SCN4B、ATP1A2、SLC17A7、SLIT3、COL7A1、CLDN4、CLEC3B、ADCYAP1R1和MFAP4是关键基因，其中SLIT3、COL7A1和CLDN4与GBC发展和预测密切相关。
引用
@article{arxiv.2410.14433,
title = {A Bioinformatic Approach Validated Utilizing Machine Learning Algorithms to Identify Relevant Biomarkers and Crucial Pathways in Gallbladder Cancer},
author = {Rabea Khatun and Wahia Tasnim and Maksuda Akter and Md Manowarul Islam and Md. Ashraf Uddin and Md. Zulfiker Mahmud and Saurav Chandra Das},
journal= {arXiv preprint arXiv:2410.14433},
year = {2024}
}