换一批基于生物信息学与机器学习挖掘胰腺癌铁死亡相关的关键基因
Identification of Key Ferroptosis-related Genes in Pancreatic Cancer Using Bioinformatics and Machine Learning
摘要胰腺癌是一种高致死性的恶性肿瘤,具有发病隐匿、进展迅速的特点,目前仍缺乏能够显著延长患者生存期的有效治疗手段,因此,发掘并分析胰腺癌发生发展的特异性分子靶标具有重要临床意义.铁死亡是一种依赖于铁代谢、半胱氨酸代谢及脂质代谢途径的细胞死亡形式,其调控涉及多个关键基因和代谢物.文章整合了 UCSC和GTEx数据库中胰腺癌患者与健康人胰腺组织的基因表达数据,并利用R语言进行分析.通过筛选铁死亡相关标志基因并取交集,鉴定出29个差异表达基因(DEGs).进一步采用随机森林算法和支持向量机递归特征消除(support vector machine recursive feature elimination,SVM-RFE)监督机器学习方法,从 29 个铁死亡相关DEGs中筛选出5个关键基因:CBS、CISD1、GPX4、GSS和NOX1.结合患者生存期与关键基因的表达水平分析,最终确定谷胱甘肽合成酶(GSS)为胰腺癌中与铁死亡相关的潜在生物标志物,为胰腺癌的诊断和治疗提供了新的靶点.
更多相关知识
关键词
机器学习随机森林支持向量机递归特征消除胰腺癌铁死亡谷胱甘肽合成酶Machine learningRandom forestsSupport vector machine recursive feature eliminationPancreatic cancerFerroptosisGlutathione synthetase
分类号
R735.9（消化系肿瘤）
栏目名称
DOI
10.19526/j.cnki.1005-8915.20250402
发布时间
2025-10-20（万方平台首次上网日期，不代表论文的发表时间）
- 浏览4
- 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
