期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机器学习的中心体扩增相关基因预测食管鳞状细胞癌的预后
1
作者
李超群
郑泓量
+2 位作者
黄平
杨欢
柏健鹰
《陆军军医大学学报》
北大核心
2025年第13期1536-1547,共12页
目的通过机器学习构建中心体扩增相关基因(centrosome amplification-related genes,CARGs)的预后模型,研究CARGs对食管鳞状细胞癌(esophageal squamous cell carcinoma,ESCC)预后的影响。方法从基因本体论(gene ontology,GO)和京都基...
目的通过机器学习构建中心体扩增相关基因(centrosome amplification-related genes,CARGs)的预后模型,研究CARGs对食管鳞状细胞癌(esophageal squamous cell carcinoma,ESCC)预后的影响。方法从基因本体论(gene ontology,GO)和京都基因与基因组百科全书(Kyoto encyclopedia of genes and genomes,KEGG)数据库中下载CARGs。下载癌症基因组图谱(the Cancer Genome Atlas,TCGA)和基因表达综合数据库(Gene Expression Omnibus,GEO)中的ESCC转录组测序(RNAsequencing,RNA-seq)数据,作为训练集和验证集。基于单样本基因集富集分析(single-sample gene set enrichment analysis,ssGSEA)和加权基因共表达网络(weighted gene co-expression network analysis,WGCNA)筛选CARGs。使用集成了12种机器学习算法构建CARGs的预后模型,采用单因素和多因素Cox回归分析判断模型是否可以作为独立预后因素。从陆军军医大学第二附属医院消化内科收集15对ESCC和癌旁组织样本,采用RT-qPCR和免疫组化验证基因在组织样本中的表达。结果构建了包含9个CARGs的预后模型,其中基因DENR、TRIP13、BRCA2、TTF2、TCFL5和NUP188经实验验证其mRNA表达水平高于正常组织(P<0.05),DENR、TRIP13、TTF2和TCFL5的蛋白表达水平高于正常组织。结论DENR、TRIP13、TTF2和TCFL5在ESCC中表达水平升高,与临床不良预后密切相关,提示这些基因在ESCC发生发展中可能发挥作用。
展开更多
关键词
机器学习
食管鳞状细胞癌
中心体扩增相关基因
预后
在线阅读
下载PDF
职称材料
题名
基于机器学习的中心体扩增相关基因预测食管鳞状细胞癌的预后
1
作者
李超群
郑泓量
黄平
杨欢
柏健鹰
机构
陆军军医大学(第三军医大学)第二附属医院消化内科
出处
《陆军军医大学学报》
北大核心
2025年第13期1536-1547,共12页
基金
重庆英才创新领军人才项目(2022CQ010)。
文摘
目的通过机器学习构建中心体扩增相关基因(centrosome amplification-related genes,CARGs)的预后模型,研究CARGs对食管鳞状细胞癌(esophageal squamous cell carcinoma,ESCC)预后的影响。方法从基因本体论(gene ontology,GO)和京都基因与基因组百科全书(Kyoto encyclopedia of genes and genomes,KEGG)数据库中下载CARGs。下载癌症基因组图谱(the Cancer Genome Atlas,TCGA)和基因表达综合数据库(Gene Expression Omnibus,GEO)中的ESCC转录组测序(RNAsequencing,RNA-seq)数据,作为训练集和验证集。基于单样本基因集富集分析(single-sample gene set enrichment analysis,ssGSEA)和加权基因共表达网络(weighted gene co-expression network analysis,WGCNA)筛选CARGs。使用集成了12种机器学习算法构建CARGs的预后模型,采用单因素和多因素Cox回归分析判断模型是否可以作为独立预后因素。从陆军军医大学第二附属医院消化内科收集15对ESCC和癌旁组织样本,采用RT-qPCR和免疫组化验证基因在组织样本中的表达。结果构建了包含9个CARGs的预后模型,其中基因DENR、TRIP13、BRCA2、TTF2、TCFL5和NUP188经实验验证其mRNA表达水平高于正常组织(P<0.05),DENR、TRIP13、TTF2和TCFL5的蛋白表达水平高于正常组织。结论DENR、TRIP13、TTF2和TCFL5在ESCC中表达水平升高,与临床不良预后密切相关,提示这些基因在ESCC发生发展中可能发挥作用。
关键词
机器学习
食管鳞状细胞癌
中心体扩增相关基因
预后
Keywords
machine learning
esophageal squamous cell carcinoma
centrosome amplificationrelated genes
prognosis
分类号
R394.3 [医药卫生—医学遗传学]
R730.7 [医药卫生—肿瘤]
R735.1 [医药卫生—肿瘤]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习的中心体扩增相关基因预测食管鳞状细胞癌的预后
李超群
郑泓量
黄平
杨欢
柏健鹰
《陆军军医大学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
