【佳學(xué)基因檢測】乳腺癌靶向藥物和轉(zhuǎn)移反復(fù)基因檢測列表的更新與完善
腫瘤內(nèi)科診治策略基因檢測價格降低策略
根據(jù)腫瘤內(nèi)科診治策略基因檢測價格降低策略,國際有很高知名度基因檢測科學(xué)性證據(jù)雜志《Comput Struct Biotechnol J》在第. 2022 Mar 24;20:1618-1631.期發(fā)表了一篇標題為《乳腺癌靶向藥物和轉(zhuǎn)移反復(fù)基因檢測列表的更新與完善》的原創(chuàng)性研究文章。該基因領(lǐng)域的臨床應(yīng)用研究由Anamika Thalor, Hemant Kumar Joon, Gagandeep Singh, Shikha Roy, Dinesh Gupta完成。
基因信息數(shù)據(jù)庫索引號:
jiaxue genetics:35465161和 doi: 10.1016/j.csbj.2022.03.019. eCollection 2022.
基因解碼研究關(guān)鍵詞:
AUC,ROC曲線下面積,BrCa,乳腺癌,COSMIC,癌癥體細胞突變目錄,CX-25,完成XgBoost top 25,DE,差異表達,DMFS,無遠處轉(zhuǎn)移生存率,DX-20,驅(qū)動器XgBoost top 20,差異基因表達,無遠處轉(zhuǎn)移生存率,EMT,上皮向間充質(zhì)轉(zhuǎn)化,雌激素受體,FDR,錯誤發(fā)現(xiàn)率,GEO,基因表達,HER2,人表皮生長因子受體2,KM,卡普蘭·邁耶,ML,機器學(xué)習,非小細胞肺癌,OS,總體生存率,主成分分析,POU2AF1,孕酮受體,預(yù)后基因標記,RF,隨機森林,RFE,遞歸特征消除,ROC,接收機工作特性曲線,S100B,支持向量機,TNBC,TNBC,三陰性乳腺癌,kNN,k近鄰,
國際基因解碼證據(jù)鏈條標簽:
Keywords: AUC, Area under the ROC curve; BrCa, Breast cancer; COSMIC, The catalogue of somatic mutations in cancer; CX-25, Complete XgBoost top 25; DE, Differential Expression; DMFS, Distasnt metastasis free survival; DX-20, Driver XgBoost top 20; Differential gene expression; Distant-metastasis free survival; EMT, Epithelial to mesenchymal transition; ER, Oestrogen Receptor; FDR, False discovery rate; GEO, Gene expression omnibous; HER2, Human epidermal growth factor receptor 2; KM, Kaplan Meier; ML, Machine learning; NSCLC, Non small cell lung carcinoma; OS, Overall survival; PCA, Principal component analysis; POU2AF1; PR, Progesterone receptor; Prognostic gene signatures; RF, Random forest; RFE, Recursive feature elimination; ROC, Receiver operating characteristics curve; S100B; SVM, Support vector machine; TNBC; TNBC, Triple negative breast cancer; kNN, k Nearest neighbors.
基因檢測臨床研究與應(yīng)用結(jié)果介紹:
腫瘤的有效治療和轉(zhuǎn)移惡化基因解碼的研究發(fā)現(xiàn)腫瘤異質(zhì)性和轉(zhuǎn)移機制不明確是導(dǎo)致三陰性乳腺癌(TNBC)無法獲得有效靶向治療的主要原因,三陰性乳腺癌TNBC是一種以高死亡率和高遠處轉(zhuǎn)移率為特征的乳腺癌(BrCa)亞型。通過致病基因鑒定基因解碼明確具有預(yù)后價值的生物標志物可以改善預(yù)后和個性化治療方案。三陰性乳腺癌的靶向藥物用藥指導(dǎo)基因檢測應(yīng)用研究收集了代表三陰性乳腺癌TNBC和非三陰性乳腺癌患者的基因表達臨床研究數(shù)據(jù)。采用這些完整而又對照嚴謹數(shù)據(jù)中,構(gòu)建了一個乳腺癌癌癥驅(qū)動基因列表。采用遞歸特征消除(RFE)人工智能算法識別前20、25、30、35、40、45和50個基因特征,采用這些基因這些特征將三陰性乳腺癌TNBC與其他乳腺癌亞型區(qū)分開來。對這些選定的特征采用了五種機器學(xué)習算法,并在模型性能評估的基礎(chǔ)上發(fā)現(xiàn),對于完整數(shù)據(jù)集和致癌基因列表,XGBoost分別對25個和20個基因的子集表現(xiàn)賊好。在這兩個數(shù)據(jù)集中的45個基因中,發(fā)現(xiàn)34個基因受到差異調(diào)節(jié)。對這34個差異調(diào)節(jié)基因的無遠處轉(zhuǎn)移生存率(DMFS)進行Kaplan-Meier(KM)分析,發(fā)現(xiàn)了四個基因,其中兩個是可能成為潛在預(yù)后基因的新基因(POU2AF1和S100B)。賊后,進行相互作用組和途徑富集分析,以研究已識別的潛在預(yù)后基因在三陰性乳腺癌TNBC中的功能作用。這些基因與MAPK、PI3-AkT、Wnt、TGF-β和其他信號轉(zhuǎn)導(dǎo)途徑相關(guān),在轉(zhuǎn)移級聯(lián)中起關(guān)鍵作用。這些基因特征可以成為了腫瘤靶向用藥基因解碼及轉(zhuǎn)移反復(fù)基因檢測的科學(xué)證據(jù)。
腫瘤藥物效果基因檢查