换一批基于机器学习算法的结肠癌代谢核心基因鉴定及其功能机制研究
Identification of metabolic core gene in colon cancer based on machine learning algorithms and its functional mechanisms
摘要目的 基于机器学习算法筛选结肠癌代谢核心基因,并分析其功能机制.方法 从癌症基因组图谱(TCGA)数据库和基因表达综合数据库(GEO)获取数据,TCGA队列包含375例肿瘤样本、32例癌旁组织样本,GSE39582队列包含419例肿瘤样本.采用单因素Cox回归分析结合随机森林、支持向量机递归特征消除(SVM-RFE)、最小绝对收缩和选择算子(LASSO)回归算法,筛选代谢核心基因.绘制受试者工作特征(ROC)曲线,以曲线下面积(AUC)评估核心基因的预测效能.采用实时荧光定量聚合酶链反应(qRT-PCR)和免疫组织化学(IHC)方法检测核心基因表达.敲低核心基因,探讨其在结肠癌中的作用.结果 基于机器学习算法筛选出3个核心基因,即CPT2、SCP2、NR3C2.根据ROC曲线的AUC比较结果,NR3C2的预测效能最佳.qRT-PCR检测结果显示,NR3C2 mRNA在结肠癌细胞系中低表达;IHC检测结果显示,NR3C2在结肠癌组织中低表达.敲低NR3C2可显著促进结肠癌细胞增殖与迁移.结论 交叉运用3种机器学习算法筛选出NR3C2为结肠癌核心代谢抑制基因,这或可为代谢靶向治疗提供新策略.
更多相关知识
关键词
结肠癌代谢组学机器学习算法NR3C2基因基因敲低技术增殖迁移代谢靶向治疗colon cancermetabolomicsmachine learning algorithmsNR3C2 genegene knockdown techniqueproliferationmigrationmetabolic targeted therapy
栏目名称
DOI
10.7619/jcmp.20252668
发布时间
2025-11-05（万方平台首次上网日期，不代表论文的发表时间）
基金项目
江苏省重点研发计划项目（BE2022773）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
