社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

7.9/Q1, 同济大学医学院利用机器学习探究高危骨肉瘤研究新突破:人工智能揭示角鲨烯环氧化酶的代谢奥秘

生信Othopadics • 2 周前 • 44 次点击  

如果您对骨科疾病生信临床研究感兴趣,请为小骨点点关注,持续解读骨科前沿生信文献和思路。如果您需要定制化服务,欢迎扫码联系小骨~

大家好,今天分享一篇机器学习的文章,让我们一起看看它研究方法有哪些亮点吧!

研究亮点

1.机器学习驱动的靶点发现:运用机器学习技术构建高危骨肉瘤预后指数,精准锁定角鲨烯环氧化酶这一代谢靶点,为靶向治疗开辟新路径,彰显跨学科研究的强大潜力。
2.精准预后与临床价值:基于机器学习的预后模型大幅提升高危骨肉瘤预后评估的准确性,助力个性化治疗方案的精准制定,有望显著改善患者预后,优化医疗资源配置。
3.学科交叉与创新引领:本研究深度融合机器学习与医学研究,为疑难疾病机制探索和靶点挖掘提供全新范式,激发更多创新研究,推动医学向精准化、智能化方向发展。

如果各位老师需要多组学数据分析及其他生信定制服务,欢迎扫描上方二维码,联系小骨哦❤️❤️

下面让我们一起来看看具体文章内容吧!

文章标题:Identifying squalene epoxidase as a metabolic vulnerability in high‐risk osteosarcoma using an artificial intelligence‐derived prognostic index

中文标题:使用人工智能衍生的预后指数将角鲨烯环氧化物酶确定为高危骨肉瘤的代谢脆弱性

发表期刊Clin Transl Med

发表时间2024年2

影响因子7.9/Q1

研究目的

骨肉瘤是一种高度侵袭性的原发性骨恶性肿瘤,主要影响青少年和年轻人。尽管手术、化疗和放疗等多模式治疗取得了进展,但高危骨肉瘤患者的预后仍然很差,有相当比例的患者会出现转移和复发。为这些患者识别新的治疗靶点和生物标志物至关重要。在此背景下,利用人工智能衍生的预后指数研究高危骨肉瘤中的角鲨烯环氧化酶作为一种潜在的代谢脆弱性,具有重大意义。该研究旨在利用人工智能的强大能力分析复杂数据,揭示与角鲨烯环氧化酶相关的潜在代谢途径和机制,这可能为开发高危骨肉瘤的靶向治疗和更准确的预后模型提供宝贵的见解。

研究方法

我们将 10 种机器学习算法组合成 101 种组合,从中建立了根据 254 个样本的转录组学谱预测总生存期的最佳模型。评估转录组、基因组和表观基因组景观的改变,以阐明导致不良预后的机制。单细胞 RNA 测序 (scRNA‐seq) 揭示了在 OSA 细胞中过表达的基因作为潜在的治疗靶点,其中一种通过组织染色、敲低和药理学抑制进行了验证。我们表征了多种表型的变化,包括增殖、集落形成、迁移、侵袭、细胞凋亡、化疗敏感性和体内致瘤性。RNA-seq 和 Western blotting 阐明了角鲨烯环氧化物酶 (SQLE) 抑制对信号通路的影响

研究结果

1.AIDPI 的开发和验证


我们按照图 中的示意图开发了 AIDPI。最初,我们将 GSE21257OSA 和 GSE16091-OSA 两个队列合并到 GEO-OSA 队列中并减轻了批次效应,该队列被用作训练集。同时,TARGET-OSA 作为我们的验证集。我们确定了训练集和验证集之间共享的 18 个 CPG。这些 CPG 被输入到机器学习框架中,以在训练集中生成多个预后模型。在训练集、验证集和独立测试集 (GSE33382-OSA) 中进行评估后,选择 CoxBoost 和 GBM 组合建立的模型作为最佳模型,因为其平均 C 指数 (.817) 是最高的。

2.基于 AIDPI 和临床特征的生存预测增强

鉴于多个临床变量对 OSA 患者预后的影响,我们试图阐明这些因素与 AIDPI 之间的关系,以验证 AIDPI 作为独立的预后生物标志物,并启用增强生存预测的综合模型。meta-OSA 中的单变量 Cox 回归分析显示,患者的 OS 与 AIDPI、年龄、MSTS 分期、Huvos 分级和原发性肿瘤部位等参数之间存在显着关联。对这些变量的进一步分析表明,MSTS I/II 期、Huvos III/IV 级、年龄超过 18 岁或下肢原发性肿瘤的患者往往表现出较低的 AIDPI 值。

3.识别高 AIDPI 患者的失调通路

来自 TARGET-OSA 数据集的热图显示了 AIDPI 计算中使用的 12 个基因(AIDPI 基因)的 AIDPI、免疫评分和表达模式。在高 AIDPI 组中,7 个 AIDPI 基因表现出明显的上调,其中 5 个与免疫评分呈负相关。另一方面,5 个 AIDPI 基因表现出明显的下调,其中 3 个与免疫评分呈正相关。GSEA 确定了高 AIDPI 组中增强的基因集,包括 MYC 靶点 V2、MYC 靶点 V1、胆固醇稳态和 mTORC1 信号传导。相比之下,细胞凋亡和特异性免疫反应的基因集是负富集的。DEGs 的 KEGG 富集分析突出了对 OSA 进展至关重要的途径。

文章小结

该研究通过机器学习技术揭示高危骨肉瘤的代谢脆弱性靶点角鲨烯环氧化酶,为精准预后评估和靶向治疗提供新策略,有望显著改善患者预后并推动骨肉瘤治疗的精准化发展。如果您对生信分析和公共数据库挖掘感兴趣,但时间和精力有限或者缺乏相关经验,小骨非常乐意为您提供如下服务:免费思路评估、付费方案设计和生信分析等,有意向的老师欢迎联系小骨哦!

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/182739
 
44 次点击