🔥买球·(中国)APP官方网站从而促进 GC 的精确医疗-🔥买球·(中国)APP官方网站

全球好，今天跟全球共享一篇题为Metabo lomic machine learning predictor for diagnosis and prognosis of gastric cancer（代谢组学机器学习考虑癌症的会诊和预后）胃癌(GC)是全球癌症沟通死一火率的一个紧要职守，这突显了蹙迫需要制定早期检测战略和精确的术后侵略门径。

贪图布景

胃癌 （GC） 辞世范围制内组成了癌症沟通死一火率的千里重职守，突显了制定早期检测战略和精确术后侵略的蹙迫需求。但是，用于早期会诊和患者风险分层的无创生物象征物的放纵仍未获取充分探索。在这里，咱们对来自多中心参与者的 702 份血浆样本进行了有针对性的代谢组学分析，以诠释 GC 代谢重编程。

咱们的机器学习分析揭示了一个 10 代谢物 GC 会诊模子，该模子在外部测试纠合进行了考据，奢睿度为 0.905，优于哄骗癌症卵白质象征物的传统设施（奢睿度< 0.40）。此外，咱们机器学习养殖的预后模子发达出优于哄骗临床参数的传统模子的性能，并有用地将患者分层到不同的风险组以带领精确侵略。

总的来说，咱们的贪图效果揭示了 GC 的代谢景不雅，并细目了两个不同的生物象征物组，分别简略进行早期检测和预后考虑，从而促进 GC 的精确医疗。

伸开剩余83%

见图一

贪图的暗示图笼统。

图一

贪图联想笼统。该插图是使用 BioRender.com 上的十足许可证创建的。该贪图共纳入 702 东说念主，他们的血浆样本收受了靶向代谢组学分析。比较部队 1 （n = 426） 中胃癌 （GC） 患者和非 GC 对照 （NGC） 的代谢特征，以态状 GC 中的代谢重编程。使用来自部队 1 的代谢组学数据和机器学习时候，创建并考据了 GC 会诊模子（10-DM 模子）。该模子在测试集 2 （部队 2，n = 95） 中获取了进一步考据。使用机器学习算法分析来自部队 3 （n = 181） 患者的代谢组学数据十分临床特征，以成立预后模子 （28-PM 模子）。这两个模子的性能以临床使用的生物象征物/临床特征为基准。图中不同形状的三角形代表用于模子构建、考据和比较过程的不同参与者组。源数据行为 源数据 文献提供。

见图二GC 患者与非 GC 对照比拟的重编程血浆代谢景不雅。

图二

a 部队 1 （n = 426） 血浆靶向代谢组学数据的主要素分析 （PCA），比较 GC 患者（紫色）和 NGC 对照（绿色）。

b 部队 1 血浆代谢组学中检测到的代谢物的火山图（GC 患者与 NGC 对照）。显贵各异代谢物呈紫色（上调）和绿色（下调）;其他的则为灰色。双侧 Wilcoxon 秩和锻真金不怕火，然后是 Benjamini-Hochberg （BH） 多重比较锻真金不怕火，不实发现率 （FDR） < 0.05，倍数变化 （FC） > 1.25 或 < 0.8。

c 把柄代谢变化的相同性，使用各异代谢物对 GC 进展过程中的代谢轨迹进行 Mfuzz 聚类。每个簇的代表性代谢物显现在侧面。

d 京齐基因和基因组百科全书 （KEGG） 代谢阶梯在 GC 患者和 NGC 对照之间由显豁各异代谢物富集。使用单侧 Fisher 精确锻真金不怕火，然后是 BH 多重比较锻真金不怕火，仅建议 FDR < 0.05 的通路。源数据行为 源数据 文献提供。

见图三基于血浆代谢组的机器学习养殖考虑模子用于 GC 会诊。

图三

a 建模职责历程的联想。领受 LASSO 追念和赶快丛林算法进行特征聘任和模子老师。10-DM 模子在测试集和外部测试纠合进行了考据。该插图是使用 BioRender.com 上的十足许可证创建的。

b 测试集 1 顶用于会诊 GC 患者的受试者职责特征 （ROC） 弧线。把柄 1000 次赶快抽样测试的均值和协方差野心 95% 置信区间。

c 10 种代谢物对 10-DM 模子的孝顺。

d–g，10-DM 模子在测试集 1 （d） 和测试集 2 （e） 中分裂 GC （紫色）和 NGC （绿色），以及分裂 I 期 GC 患者 （IA 期黄色和 IB 期棕色） 在测试集 1 （f） 和测试集 2 中与 NGC 的考虑性能 （g).虚线线路 0.50 的甘休值，用于将考虑的 NGC（左侧）与 GC（右侧）分开。源数据行为 源数据 文献提供。

见图四

预后模子在考虑 GC 患者预后方面优于临床参数。

图四

a 预后模子联想的暗示图大纲。S 幸存下来，D 物化。

b 测试集的 ROC 弧线分析。95% CI 是把柄 1000 次赶快抽样测试的平均值和协方差野心得出的。

c 通过单变量 Cox 追念分析细主义具有显豁预后沟通性的临床参数的丛林图。P < 0.05 的参数被以为具有统计学真谛，并由绿线线路。中间的点和线代表 HR 和 95% Cl，由 log 10 缩放。EGC，早期胃癌。TNM 分期、肉眼外不雅和血管肿瘤栓塞的 P 值分别把柄 n = 181 、 180 和 180 个孤独样本的数据野心。

d 测试纠合宏不雅外不雅、TNM 分期、血管肿瘤栓塞和 28-PM 模子的 C 指数值比较 （n = 60）。C 指数和 95% Cl 显现在相对彩色条柱下。

e 使用 28-PM 模子对测试集患者 （n = 60） 进行预后考虑。以 2.1 的临界值绘图的虚线将患者分为高危组和低危组。绿色圆圈和灰色圆圈线路测试纠合的 survived 和 deceased。箭头指向死于腹黑病发作的死者。

f Kaplan-Meier 弧线显现测试集 GC 患者 （n = 60） 的总生计期 （OS） 和无病生计期 （DFS），按预后风险评分 （临界值 = 2.1） 分层。P 值领受双侧对数秩锻真金不怕火野心。g 高危组死一火和复发/篡改比例较高。使用双侧 Fisher 精确锻真金不怕火野心 P 值。源数据行为 源数据 文献提供。

02

贪图论断

总的来说，咱们的发现态状了 GC 中的代谢重编程，并勾搭了机器学习算法来构建两个模子，分别识别 GC 患者并考虑他们的预后。咱们的职责增强了对 GC 病理学的意会，促进了 GC 早期检测的发展，并诠释了 GC 的精确诊治。更一般地说，该框架卓绝了基于机器学习的组学数传奇明在肿瘤检测和决策带领方面的私有上风，而况不错实施到探索其他疾病。

好了🔥买球·(中国)APP官方网站，今天的文献解读就到这儿来，咱们下期相逢！若是你正在开展临床贪图.需要决策联想.数据解决. 数据分析等相沿.也随时不错沟通咱们。

发布于：广东省