检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于单样本特异性的疾病亚型识别方法研究

现代计算机 2021年第31期27卷 92-97页

作者：田显阳季松雨张堃杜映璇张媛媛青岛理工大学信息与控制工程学院青岛266520

癌症是世界上最普遍、最致命、最具挑战性的疾病之一,严重地危害患者的健康。癌症具有高度异质性,即同一种癌症在临床上有不同的症状及诊疗方法,因此为了实现癌症的精准诊疗,人们需要精准地确定癌症可能的不同类型(即亚型识别),并识别... 详细信息

癌症是世界上最普遍、最致命、最具挑战性的疾病之一,严重地危害患者的健康。癌症具有高度异质性,即同一种癌症在临床上有不同的症状及诊疗方法,因此为了实现癌症的精准诊疗,人们需要精准地确定癌症可能的不同类型(即亚型识别),并识别与亚型相关的特异性标志物。本文考虑样本的特异性信息和结构生物学特性,通过构建单个样本的基因网络,从网络角度发现样本间的相似性,进而实现癌症亚型识别。实验发现,与原始特征相比,基于网络角度进行癌症亚型识别具有较高的准确性。

关键词：癌症亚型识别样本特异性基因网络

肝细胞癌中TDP-43相关基因预后模型的建立与验证及相关亚型的识别

在线全文

学校读者我要写书评

暂无评论

肝细胞癌中TDP-43相关基因预后模型的建立与验证及相关亚型的识别

作者：张忠怀中国医科大学

学位级别：硕士

目的:通过生物信息学方法,构建肝细胞癌(hepatocellular carcinoma,HCC)的预后风险模型,并探求其预测价值。基于与TAR DNA结合蛋白43(TDP-43)相关的关键基因进行肿瘤亚型识别,探讨不同亚型的异质性。研究方法:从TCGA-LIHC数据集和GSE11... 详细信息

目的:通过生物信息学方法,构建肝细胞癌(hepatocellular carcinoma,HCC)的预后风险模型,并探求其预测价值。基于与TAR DNA结合蛋白43(TDP-43)相关的关键基因进行肿瘤亚型识别,探讨不同亚型的异质性。研究方法:从TCGA-LIHC数据集和GSE11279数据集中获取HCC的基因表达数据,通过相关性分析、加权共表达网络分析(Weighted Gene Co-Expression Network Analysis,WGCNA)和差异分析得到预后性的TDP-43相关差异表达基因。进一步通过LASSO算法构建预后模型。来自ICGC数据库中LIRI-JP队列用于外部验证,并且构建预测生存期的列线图来提高临床实用性。此外,对肿瘤免疫微环境进行相关分析。基于模型基因的表达进行无监督聚类分析,将HCC分为两个不同亚型,对不同亚型的生存信息、免疫浸润特征、高低风险组相关性进行了综合分析。最后,探索与TDP-43相关基因的风险评分与药物敏感性之间的关系。结果:一共获得了925个TDP-43相关基因和1542个HCC基因,将取交集得到的177个基因进行差异分析,从而得到163个与TDP-43相关的HCC基因。利用这些基因进一步LASSO回归分析得到7个关键预测因子(KPNA2、GNL2、SAC3D1、SMS、ATIC、RAD54B、PSRC1)的预后模型。并以TCGA-LIHC数据集中风险的中位数作为阈值,分别对TCGA-LIHC数据集和LIRI-JP数据集高、低风险组进行区分。预后风险模型可以大致区分高风险组和低风险组。训练组中低风险组的中位生存期明显优于高风险组(P=1.4949e-050.60)。测试组中低风险组的中位生存期同样优于高风险组(P=1.9740e-040.60)。该评分模型具有较好的预测生存率的能力。Tregs、M2等免疫细胞浸润水平与风险评分呈正相关(p亚型。K-M生存曲线证明C1亚型的中位生存期低于C2亚型(p=1.4436e-07亚型主要富集在高风险组。不同亚型HCC富集免疫细胞水平的不同。另外,高、低风险组的一些药物敏感性显著不同。结论:该风险模型可以准确预测TDP-43基因相关的HCC患者的1年、3年和5年生存率(AUC>0.60)。TDP-43相关基因表达水平与Tregs、M2等免疫细胞浸润水平呈正相关关系。基于关键基因识别的不同亚型HCC患者生存率存在差异并具有免疫浸润异质性,不同风险组肿瘤药物敏感性也不同,为HCC患者的预后预测和个体化靶向治疗提供指导。

关键词：肝细胞癌 TDP-43 预后模型亚型识别靶向治疗

轻度认知障碍亚型可解释性识别框架构建与预后风险评估

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

轻度认知障碍亚型可解释性识别框架构建与预后风险评估

作者：易付良山西医科大学

学位级别：硕士

目的:轻度认知障碍(mild cognitive impairment,MCI)通常被认为痴呆的前驱阶段。根据认知损害的领域不同,可将MCI分为不同亚型,包括遗忘型(amnestic MCI,a MCI)和非遗忘型MCI(non-amnestic mild cognitive impairment,na MCI),不同亚型的MCI进展终点可能不同,准确识别MCI亚型与量化MCI进展风险对制定个性化的干预措施和推动MCI研究具有重要意义。考虑到目前人工诊断的困难,本研究提出两种MCI亚型识别与可解释性策略,旨在提高MCI亚型识别效能、透明化识别模型决策机制;考虑到MCI进展多终点的事实,本研究利用竞争风险模型对MCI进展为阿尔茨海默病(Alzheimer’s disease,AD)的预后风险进行无偏估计,建立个体化的多时点预测机制,旨在揭示MCI进展AD的潜在因素、促进MCI患者精准治疗。方法:研究数据来源于国家阿尔茨海默病协调中心(National Alzheimer’s Coordinating Center,NACC)数据库。研究对象为NACC中2005年11月～2018年4月首次确诊的MCI患者,分为两类:a MCI和na MCI。纳入研究的特征包含患者的基本信息、神经心理测试以及结构核磁共振(structural Magnetic Resonance Imaging,s MRI)。本研究首先利用最大相关最小冗余、弹性网络、Boruta等特征选择方法对原始数据的神经心理测试和s MRI特征进行稀疏,利用韦恩图保留3种方法的特征交集作为建模特征,随后构建多区块稀疏的偏最小二乘法判别分析(Multiblock sparse Partial Least SquareDiscriminant Analysis,Multiblock s PLS-DA)和6种主流的机器学习(Machine Learning,ML)算法,朴素贝叶斯(Naive Bayes,NB)、支持向量机(Support Vector Machine,SVM)、袋装聚合算法(Bootstrap aggregating,Bagging)、随机森林(Random Forest,RF)、自适应增强(Adaptive Boosting,Ada Boost)、极限梯度提升(e Xtreme Gradient Boosting,XGBoost)对a MCI和na MCI进行识别,然后将沙普利可加性解释(SHapley Additive ex Planations,SHAP)、局部可解释的模型无关解释(Local Interpretable ModelAgnostic Explanations,LIME)、面向探索和解释的模型无关语言(mo Del Agnostic Language for Exploration and e Xplanation,DALEX)与最优ML模型联合,基于给定个体(28号、34号)实现个性化解释,再基于联合框架与Multiblock s PLS-DA可视化结果,分析重要特征对目标结局的作用方向和大小,实现全局性解释。本研究定义感兴趣的终点事件为5年内MCI进展为AD;竞争事件为MCI进展为其他痴呆,通过构建竞争风险模型量化MCI患者AD进展风险,预测给定个体(2号)不同时点AD进展概率,评价模型的多时点预测的稳定性。结果:特征选择算法共同保留特征数量85个,其中神经心理测试特征24个,s MRI特征61个。两种识别策略中,XGBoost对MCI亚型识别的整体性能最好(AUC=0.8837),随后是Ada Boost(AUC=0.8351)、SVM(AUC=0.8347)、RF(AUC=0.8308)、Bagging(AUC=0.8072)以及NB(AUC=0.7912)。Multiblock s PLS-DA算法整体表现(AUC=0.8419)略低于XGBoost,但高于其他ML模型。个性化解释,XGBoost-SHAP、XGBoost-LIME、XGBoost-DALEX对28、34号个体的a MCI预测概率一致,分别为0.1、0.7。关于28号个体,3种解释算法共有的解释特征包括7个,分别是CEREALL=1073.33、CDRSUM=0.00、ORIENT=0.00、RENT=4.24、CRAFTVRS=17.00、RLATOCCM=2.01、RINSULAM=2.65,且每个特征在3种算法中作用方向保持一致。关于34号个体,3种解释算法共有的解释特征包括5个,分别是CDRSUM=0.00、TRAILB=67.00、CRAFTVRS=4.00、LPRECENM=1.95、RINSULAM=2.49,且每个特征在3种算法中作用方向保持一致。全局

关键词：阿尔茨海默病轻度认知障碍亚型识别风险评估

基于组学数据分析的非小细胞肺癌亚型特征识别

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

现代肿瘤医学 2018年第3期26卷 375-378页

作者：胡曦慕玉东吴晓明王丽娜杜建强马天有西安交通大学生物医学信息工程教育部重点实验室陕西西安710049 陕西省肿瘤医院检验科陕西西安710061 西安交通大学医学部环境与疾病教育部重点实验室陕西西安710061

目的:探索非小细胞肺癌4种亚型在基因组、转录组层次的特征,实现对肿瘤类型的精确分型,获取能够体现非小细胞肺癌亚型的基因组学特征。方法:利用NMF聚类和生存时间分析,对TCGA数据库中的504个非小细胞肺癌样本的拷贝数变异数据和基因表... 详细信息

目的:探索非小细胞肺癌4种亚型在基因组、转录组层次的特征,实现对肿瘤类型的精确分型,获取能够体现非小细胞肺癌亚型的基因组学特征。方法:利用NMF聚类和生存时间分析,对TCGA数据库中的504个非小细胞肺癌样本的拷贝数变异数据和基因表达数据进行分析,对不同疾病亚型的差异表达基因进行富集分析。结果:所有肺癌患者可根据基因变异信息分为4个类别,它们具有不同的基因组特征,其生存时间曲线具有显著差异,同时发现吸烟是肺癌亚型的一个决定因素。结论:通过检测遗传特征和基因表达特征,有助于对非小细胞肺癌患者进行疾病亚型精准判定。

关键词：肺鳞癌基因组生物信息亚型识别

在线全文

学校读者我要写书评

暂无评论

综合多组学数据的肝细胞癌分层策略及进展

生物化学与生物物理进展 2023年第7期50卷 1651-1663页

作者：王猛李晓琴高斌北京工业大学环境与生命学部北京100124

肝细胞癌(hepatocellular carcinoma,HCC)是最常见和致命的肝脏恶性肿瘤。这种疾病的治疗一直受到其异质性的阻碍,极大限制了其个性化治疗的进展。因此,将高度异质的HCC分成具有相似特征的分子亚类对其临床治疗有着重要意义。随着高通... 详细信息

肝细胞癌(hepatocellular carcinoma,HCC)是最常见和致命的肝脏恶性肿瘤。这种疾病的治疗一直受到其异质性的阻碍,极大限制了其个性化治疗的进展。因此,将高度异质的HCC分成具有相似特征的分子亚类对其临床治疗有着重要意义。随着高通量技术的不断发展,多种组学数据的关联研究可以加深了解HCC发生背后的生物学机制,也为HCC分层研究打开了新的思路。本文对当前HCC多组学分层策略及其相关研究进行了综述,并总结了当前HCC亚型的多组学特征。

关键词：肝细胞癌多组学亚型识别