换一批基于临床肿瘤样本DNA甲基化组的机器学习分类器预测放疗反应
Machine learning classifiers based on DNA methylation profiles of clinical tumor samples predict radiotherapy responses
摘要目的 旨在利用DNA甲基化特征构建机器学习模型来预测肿瘤患者放射治疗(RT)反应.方法 通过整合分析10种癌症类型、843例患者的全基因组DNA甲基化和RT疗效数据,鉴定了与放射的敏感性显著相关的差异甲基化位点(DMSs).基于这些特征性DMSs开发了机器学习分类器模型.结果 基于多个 CpG位点甲基化信号构建的机器学习分类器,在区分放射敏感与抗性患者方面(AUC=0.889～1.000)显著优于单一差异甲基化位点(DMS)(AUC=0.594～0.956,P<0.001).该模型也可预测患者总生存期.结论 基于DNA甲基化组特征的机器学习模型在预测RT疗效和预后方面有临床应用价值.
更多相关知识
关键词
放射治疗DNA甲基化机器学习分类器癌症治疗放疗敏感性预测RadiotherapyDNA methylationMachine learning classifiersCancer treatmentPrediction of radio-sensitivity
栏目名称
DOI
10.3969/j.issn.1009-5519.2025.11.002
发布时间
2025-12-04（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览1
- 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
