检索结果-内蒙古大学图书馆

中国普通外科杂志 2022年第10期31卷 1355-1362页

作者：李秀勤韩腾辉王帅沈刚朱军中国人民解放军南部战区空军医院普通外科广东广州510000 中国人民解放军空军军医大学西京医院神经内科陕西西安710000 中国人民解放军空军西安飞行学院一旅明港场站医院门诊部河南信阳463200

背景与目的:结直肠癌(CRC)是全球第三大最常诊断的恶性肿瘤和第二大癌症死亡原因。最新指南推荐所有的CRC患者需要进行微卫星不稳定(MSI)的检测。MSI患者往往具有错配修复蛋白缺失(dMMR)。MSI/dMMR状态已被用作生物标志物预测对免疫治... 详细信息

背景与目的:结直肠癌(CRC)是全球第三大最常诊断的恶性肿瘤和第二大癌症死亡原因。最新指南推荐所有的CRC患者需要进行微卫星不稳定(MSI)的检测。MSI患者往往具有错配修复蛋白缺失(dMMR)。MSI/dMMR状态已被用作生物标志物预测对免疫治疗的有利反应和预后。然而MSI特征基因及其与肿瘤浸润的免疫细胞的关系未进行阐述。因此本研究通过使用机器学习的方式发掘CRC中新型的MSI特征基因,并且验证其的诊断价值及其与免疫细胞浸润的关系。方法:按照纳入排除标准,将GEO数据库中GSE39582数据集作为训练集,将TCGA数据库中COAD数据集作为外部验证集。使用机器学习的方法(LASSO回归、SVM-RFE算法),在GSE39582结直肠癌数据集中筛选MSI特征基因,并在TCGA结直肠癌数据中进行验证。采用受试者工作特征(ROC)曲线和曲线下面积(AUC)评价基因对MSI的诊断效能。CIBERSORT算法评估肿瘤样本浸润的免疫细胞成分,Spearman相关性分析验证MSI特征基因和免疫细胞的关系。结果:训练集共纳入536例CRC患者,其中高频MSI(MSI-H)77例(14.37%)。在验证集中,共计389例CRC患者,其中MSI-H 67例(17.22%)。基线资料分析显示,MSI-H/dMMR CRC的TNM分期存活率优于低频MSI(MSI-L)或微卫星稳定(MSS)/错配蛋白完整(pMMR)CRC(P<0.05)。在GSE39582数据集中,LASSO回归筛选MSI特征基因21个,SVM-RFE算法筛选基因6个,结合两种算法确定MSI特征基因为EIF5A、CXCL13、HNRNPL、HOXC6、RPL22L1、Y16709。在TCGA数据库中进一步验证MSI特征基因的诊断效能,研究发现EIF5A的诊断效能最高。在训练集和验证集中,EIF5A的AUC值分别为0.922和0.805。同时,Spearman相关性分析发现,EIF5A主要与CD8^(+)T细胞,活化的树突状细胞,辅助性T细胞,M1型巨噬细胞,γδT细胞,中性粒细胞成正相关;与CD4^(+)记忆性T细胞,M2型巨噬细胞,静止树突状细胞,嗜酸性粒细胞,调节性T细胞呈负相关。结论:CRC的新型MSI特征基因分析结果表明,EIF5A对CRC MSI的诊断具有较好的诊断作用和临床价值,同时提示EIF5A与免疫细胞及免疫微环境相关。因此,EIF5A可能成为免疫检查点治疗的新型标志物。

关键词：结直肠肿瘤微卫星不稳定性 DNA错配修复淋巴细胞,肿瘤浸润机器学习

来源：评论

学校读者我要写书评

暂无评论

神经网络预测模型辅助诊断结直肠癌微卫星状态的研究

引用

中国普通外科杂志 2023年第4期32卷 488-496页

作者：郝俊王帅朱军徐春盛中国人民解放军空军军医大学第一附属医院实验外科陕西西安710000 中国人民解放军空军西安飞行学院一旅明港场站医院门诊部河南信阳463200 中国人民解放军南部战区空军医院普通外科广东广州510000 中国人民解放军空军军医大学第一附属医院胃肠外科陕西西安710000

背景和目的:微卫星不稳定(MSI)已经成为结直肠癌(CRC)临床诊断、辅助治疗和预后指导的重要生物学标志物。MSI往往伴随DNA错配修复蛋白(dMMR)的缺失。目前错配修复蛋白缺失的诊断主要依靠4种修复蛋白(MLH1、MSH2、MSH6和PMS2)病理免疫组... 详细信息

背景和目的:微卫星不稳定(MSI)已经成为结直肠癌(CRC)临床诊断、辅助治疗和预后指导的重要生物学标志物。MSI往往伴随DNA错配修复蛋白(dMMR)的缺失。目前错配修复蛋白缺失的诊断主要依靠4种修复蛋白(MLH1、MSH2、MSH6和PMS2)病理免疫组化的结果,而且MSI已经成为CRC免疫治疗重要的生物学标志物。然而MSI精准预测模型和新型特征基因的研究很少。随着人工智能(AI)在医学的发展,精准预测和数据挖掘成为研究的热点。本研究的目的是建立MSI预测的神经网络模型和挖掘新型MSI特征基因。方法:将3个CRC的GEO数据集(GSE39582、GSE29638和GSE75315)作为模型训练集,将1个TCGA CRC数据集作为独立的外部验证集。基于数据集测序数据和芯片数据,使用差异分析,随机森林算法和弹性反向传播算法建立CRC MSI的神经网络预测模型。用K-临近算法(KNN)和支持向量机(SVM)算法建立MSI传统机器学习网络模型。用混淆矩阵,受试者工作特征曲线(ROC)与曲线下面积(AUC)评价模型的预测能力。结果:在训练集中,共纳入787例,其中微卫星高不稳定(MSI-H)111例(14.10%),微卫星低不稳定(MSI-L)/微卫星稳定(MSS)676例(85.90%)。在验证集中,TCGA数据集最终纳入389例,其中MSI-H 67例(17.22%),MSI-L/MSS 322例(82.78%)。通过差异分析计算出与MSI的相关基因100个,其中上调61个,下调39个。通过差异分析和随机森林算法,筛选出前30个贡献最大的MSI的特征基因。基于MSI相关基因的表达矩阵,建立了基于23个基因表达矩阵的神经网络预测模型。该模型在训练集(敏感度0.993,特异度0.973,诊断符合率0.990,AUC为0.991)和验证集(敏感度0.950,特异度0.828,诊断符合率0.933,AUC为0.922)模型均体现出精准的预测能力。此外,对比神经网络模型和机器学习的其他模型,结果表明神经网络模型在预测MSI方面更加准确。结论:神经网络预测模型结合组织深度测序可以较好地辅助临床医生诊断CRC的MSI状态,为肿瘤免疫治疗方案的选择提供了参考和决策依据。同时,所鉴定的MSI的特征基因为深入研究相关的功能及机制提供了线索和方向。

关键词：结直肠肿瘤微卫星不稳定性人工智能神经网络,计算机

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：