支持向量机算法用于癌症数据建模

支持向量机算法(Support Vector Machine)是基于统计学习理论(SLT)发展起来的新一代机器学习方法,并被成功地应用到很多模式识别问题中。文中支持向量机分类算法用于卵巢癌病变与非卵巢癌病变质谱数据建模。对卵巢癌数据进行判别预测,预报正确率达到98%。通过与KNN、神经网络等算法的预报结果相比较,其预报能力强于KNN、神经网络算法在这个问题中的应用,为支持向量机算法可以应用于癌症疾病辅助检测提供一例证。

SVM在基因微阵列癌症数据分类中的应用

在总结二分类支持向量机应用的基础上,提出了利用t-验证方法和Wilcoxon验证方法进行特征选取,以支持向量机(SVM)为分类器,针对基因微阵列癌症数据进行分析的新方法,通过对白血病数据集和结肠癌数据集的分类实验,证明提出的方法不但识别率高,而且需要选取的特征子集小,分类速度快,提高了分类的准确性与分类速度。

美国癌症数据标准注册存储库的实践与启示

目的:深入分析通用数据元素(CDE)框架和癌症数据标准注册存储库(caDSR)的架构,结合我国生物医学领域数据管理与共享的实际需求提出合理化建议。方法:系统梳理caDSR的实践流程,包括数据元素的标准化转换和注册,通用数据元素的管理、访问、应用与病例报告表(CRF)构建。结果:caDSR及其应用工具支持研究人员创建、注册、管理、访问、共享CDE,并利用CDE构建规范化、可重用的病例报告表,促进了数据资源的标准化收集、管理与互操作。结论:我国针对生物医学领域元数据组织管理与关联融合等技术的研究还处于初探阶段,caDSR的通用数据元素框架与数据整合机制对我国建立标准化元数据管理平台有重要的指导意义。

质子束放疗在中枢神经系统肿瘤患者中的应用趋势:美国国家癌症数据库分析(2004—2021年)

目的评估分析质子束放疗(PBT)在美国中枢神经系统(CNS)肿瘤患者中的使用趋势以及相关影响因素。方法利用美国国家癌症数据库查询2004-2021年CNS肿瘤患者的资料,根据患者的病理组织学类型、确诊年龄、保险状况、家庭收入水平、受教育水平、就诊医院类型等因素,探讨PBT在CNS肿瘤患者中的使用趋势。采用logistic多因素回归分析进行各种因素与PBT使用的相关性分析。结果共纳入192696例CNS肿瘤患者,接受PBT治疗患者为5901例(3.1%),其中年龄≥18岁患者4109例(69.6%)。PBT在CNS肿瘤中的使用率从2004年的1.0%增加到2021年的11.4%。在接受PBT治疗的患者中,胚胎瘤是最常见的儿童肿瘤,而星形细胞瘤是最常见的成人肿瘤。logistic多因素回归分析显示,近年来胶质母细胞瘤、室管膜瘤、髓母细胞瘤、生殖细胞瘤患者采用PBT治疗较星形细胞瘤患者增长更迅速。年龄<18岁、无其他合并症、有私人保险、家庭收入水平较高和近年来确诊也与PBT的使用呈正相关。结论在美国,儿童及青少年患者、无其他合并症、家庭收入水平较高、有私人保险、近年来确诊和特定肿瘤组织学类型的患者更有可能接受PBT治疗。PBT的使用率从2004年的1.0%增加到2021年的11.4%。然而,应接受PBT的患者数量与实际接受PBT的患者数量之间仍存在明显差距。

应用于癌症基因表达数据的OMB双向聚类算法

癌症基因表达数据的聚类分析可以为癌症的早期诊断和精确的癌症亚型分型提供依据。针对癌症基因表达数据的特点,提出一种称为OMB(Override Matrix Bicluster)的双向聚类算法。OMB算法分别在基因表达数据矩阵的行和列上搜索低于阈值的行和列,用删除添加算法产生一个子矩阵;构建与基因表达矩阵大小相同的覆盖矩阵,标识矩阵中上一次迭代产生的子矩阵的位置;在标识出来的矩阵中,重复贪婪迭代搜索找到K个聚类结果。Matlab实验结果表明OMB算法对具有重叠结构的癌症基因表达数据具有更好的聚类效果。

基于癌症基因图谱数据库的口底鳞状细胞癌长链非编码RNA风险预测模型的构建

目的 利用癌症基因图谱(TCGA)数据库建立口底鳞状细胞癌(简称口底鳞癌)患者预后的长链非编码RNA(lncRNA)风险预测模型。方法 下载TCGA数据库中口底鳞癌及对应癌旁组织的基因表达谱数据及临床相关数据,在R软件中通过edgeR包对口底鳞癌组织与癌旁组织中的基因表达数据进行分析,筛选差异表达lncRNA;采用单变量和多变量Cox风险回归模型筛选和建立lncRNA风险预测模型;绘制风险评分曲线、患者生存状态散点图、lncRNA表达热图、Kaplan-Meier生存曲线及受试者工作特征(ROC)曲线以评估风险模型与口底鳞癌患者预后的相关性。结果 从TCGA数据库中得到54例口底鳞癌组织和3例对应癌旁组织的基因表达数据,使用R软件edgeR包进行差异基因分析(筛选标准:P≤0.001,倍数变化≥2)得到差异lncRNA 138个。单变量Cox回归分析及多变量Cox回归分析得到基于3个lncRNA(MIR1-1HG、HOXC13-AS、RAMP2-AS1)的多变量风险预测模型,一致性系数为0.77。患者风险评分、生存状态散点图显示,风险评分越高口底鳞癌患者的死亡率越高。Kaplan-Meier生存曲线显示,高风险口底鳞癌患者的总生存率低于低风险口底鳞癌患者(P<0.001)。模型的ROC曲线下面积为0.895。结论 本研究筛选出3个具有临床意义的lncRNA,为口底鳞癌基础研究提供有价值的生物标志物;基于MIR1-1HG、HOXC13-AS、RAMP2-AS1的风险预测模型可有效预测口底鳞癌患者的预后,有望用于指导临床治疗。

基于癌症基因组图谱数据库探索miR-217在胃癌中的表达及其预后价值

目的评估miR-217在胃癌组织中的表达及其预后价值。方法利用R语言统计学软件下载癌症基因组图谱数据库(TCGA)胃癌数据集中患者的临床病理学资料、生存数据和miRNA测序数据,比较miR-217在肿瘤组织与癌旁组织间的表达差异,受试者操作特征曲线(ROC)评估miR-217对胃癌的诊断价值;Kaplan-Meier生存分析比较不同miR-217表达水平的胃癌患者无进展时间(PFI)和总生存期(OS);利用单因素和多因素Cox回归分析评估影响PFI和OS的预后因子;利用基因本体论(GO)和京都基因与基因组百科全书(KEGG)对miR-217潜在靶基因进行功能和信号通路富集分析。结果446例胃癌患者纳入分析,Wilcoxon秩和检验结果显示,miR-217显著高表达于胃癌组织(5.10 vs.3.74,P<0.01)。经ROC曲线评估发现,miR-217具有良好的诊断价值(AUC=0.795,95%CI:0.728~0.863)。Kaplan-Meier结果显示,与低表达组比较,miR-217高表达的患者OS更短(56.2个月vs.22.3个月,P=0.005),但两组患者PFI之间的差异无统计学意义(55.9个月vs.26.0个月,P=0.099)。多因素Cox回归分析结果显示,miR-217是影响患者OS的独立预后因子之一(HR=1.386,95%CI:1.003~1.914,P=0.048),但miR-217的表达与患者PFI无明显相关性(P>0.05)。GO/KEGG富集分析结果表明,miR-217潜在的靶基因主要富集于前列腺癌、膀胱癌、黑色素瘤、子宫内膜癌、EGFR酪氨酸激酶抑制剂抵抗、细胞间蛋白转运调节、蛋白入核调节、神经分支形态、成长发育负向调节及核-浆转运调控等病理过程。结论miR-217显著高表达于胃癌组织,其表达水平可用于预测胃癌患者的死亡风险;miR-217的生物学功能可能与泌尿生殖系统恶性肿瘤以及蛋白质转运等相关。

癌症 TCGA 数据库中乳腺癌预后数据的挖掘

近年来,乳腺癌发病率逐渐上升,并且呈现出年轻化趋势。使用TCGA数据库中已有的基因信息筛选鉴定出与乳腺癌预后相关的基因。为排除癌组织和正常组织取样时间不同造成的差异,我们选取了113对同时检测乳腺癌区和其相对应癌旁正常组织的样品,从TCGA数据库调取转录组数据,对这些数据通过DEseq进行差异表达分析,筛选出1428个差异表达基因。对差异表达基因进行基因本体GO,代谢通路KEGG,疾病本体DO和富集分析获得68个与乳腺癌相关的差异表达的关键基因;采用数据库中所用癌症的表达数据(共1097例)对这些乳腺癌相关基因进行总生存率分析,筛选出8个与乳腺癌预后相关的基因。结果显示在乳腺癌病人中PGLYRP2、SEMA3G、PROL1及SLC7A3的高表达伴随着乳腺癌病人的预后良好,而SKA1、BIRC5、RRM2和AURKA基因的高表达伴随着乳腺癌病人的预后不良。这8个基因有可能是乳腺癌预后相关的重要基因,这为乳腺癌病人的预后治疗提供了新的方向与思路,并可能通过调控基因水平来尽可能地控制预后。

基于TCGA数据库分析线粒体相关基因同膀胱癌预后关系

目的构建基于线粒体相关基因同膀胱癌预后模型,并且分析回归模型同膀胱癌预后的关系.方法从癌症基因组图谱(TCGA)数据库下载膀胱癌转录组数据及临床信息,利用R软件进行数据处理分析.首先对膀胱癌患者的癌与癌旁组织中线粒体相关基因进行差异表达分析;然后,对线粒体相关差异表达基因进行GO富集分析、KEGG信号通路富集分析;进一步使用survival包中coxph函数进行COX模型构建,根据风险评分的中位数将患者分为高低风险组,进行Kaplan-Meier(K-M)生存分析,使用survival包分析有关基因与膀胱癌预后的关系;最后使用GSE48075数据对模型进行验证.结果在88个差异表达的线粒体相关基因中,筛选后得到26个差异表达基因与预后相关,进一步剔除了相关性高的基因,获得13个膀胱癌独立预后基因,基于这13个差异表达基因建立了COX回归模型,并按照风险评分把膀胱癌患者分为高低风险组,发现高风险组生存时间显著低于低风险组.最后将该模型应用于验证集数据(GSE48075),发现该模型能较好预测膀胱癌预后.结论基于TCGA数据库分析,筛选出了与膀胱癌预后相关的基因,成功构建了基于13个线粒体差异基因表达水平的膀胱癌预后模型,通过验证分析发现,该模型能够准确地预测膀胱癌患者的预后.因此,该模型可为膀胱癌患者预后提供参考.

基于癌症基因组图谱和Oncomine数据库膀胱尿路上皮癌生物信息学分析

目的通过癌症基因组图谱(TCGA)和Oncomine数据库深入挖掘膀胱尿路上皮癌发生的关键基因。方法从TCGA数据库中下载膀胱尿路上皮癌RNA测序数据,利用R软件对膀胱尿路上皮癌与癌旁正常组织进行比较,获取差异表达基因,结合用于基因注释、可视化和集成发现的数据库(DAVID)和功能蛋白协作网络(STRING)中的在线生物信息学工具,对差异表达基因进行功能富集分析和调控网络分析,并构建蛋白质—蛋白质相互作用(PPI)网络,进一步利用Cytoscape软件中的Cytohubba进行关键(Hub)基因筛选。通过Oncomine数据库对Hub基因进行Meta分析,获取关键基因。结果共筛选出膀胱尿路上皮癌差异表达基因1650个,其中表达上调基因565个,表达下调基因1085个,通过分析后获取PPI网络中前10位Hub基因,分别是GNG7、GNG11、BDKRB2、BDKRB1、NMUR1、NPSR1、CHRM5、TACR2、TAC1和TACR1。通过Oncomine数据库对Hub基因进行Meta分析,最终获得1个关键基因为TACR1。结论基于TCGA和Oncomine数据库,获取膀胱尿路上皮癌关键基因TACR1,将为膀胱尿路上皮癌诊断、治疗及预后的研究提供新的思路。

基于SEER数据库分析老年局限性肾癌术后患者的临床特征及预后影响因素

目的探讨老年局限性肾癌术后患者的临床特征及预后影响因素。方法收集2004—2017年美国国立癌症研究所(SEER)数据库中所有接受过原发肿瘤切除手术的老年(60~100岁)局限性肾癌患者。分析患者的临床特征、手术方式和预后。根据手术方式分为肾部分切除术(PN)组和肾根治性切除术(RN)组,比较不同手术方式对预后的影响。结果共纳入符合标准的20348例患者。老年局限性肾癌患者术后的中位生存时间为164个月,3、5、10年累积总生存率依次为91.1%、84.2%、64.4%。多因素Cox分析显示,年龄、性别、种族、组织学分级、T分期、手术方式是影响术后总生存期的独立预后因素(P<0.05)。亚组生存分析结果显示,在所有老年年龄段、性别、种族、组织学分级、T1期肾癌方面,PN预后均优于RN(P<0.05)。对于T2期肾癌,PN和RN预后差异无统计学意义(P>0.05)。结论确诊时年龄大、男性、黑种人、病理类型为非嫌色细胞癌、分化程度低、肿瘤T分期高、RN是影响老年局限性肾癌患者术后预后的独立危险因素。PN是老年局限性肾癌的主要治疗方式并具有显著的治疗效果。

基于癌症基因组图谱数据库分析miR-148a-3p在肝细胞癌中的表达和预后意义

目的基于癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库探索miR-148a-3p在肝细胞癌(hepatocellular carcinoma,HCC)中的表达和预后价值。方法从TCGA数据库HCC数据集中下载患者的临床病理资料和组织标本的微RNA(microRNA,miRNA)测序数据。比较miR-148a-3p在肿瘤组织与癌旁组织中的表达差异,采用受试者操作特征曲线(receiver operating characteristic curve,ROC曲线)评估miR-148a-3p表达对HCC的诊断价值;采用Kaplan-Meier生存分析探讨不同miR-148a-3p表达水平HCC患者的总生存(overall survival,OS)时间和疾病特异生存(disease special survival,DSS)时间;采用单因素和多因素Cox回归分析评估影响HCC患者生存结局的预后因子;采用基因本体论(gene ontology,GO)/京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)富集分析miR-148a-3p的潜在靶基因。结果共375例HCC患者纳入研究,49例同时检测了肿瘤组织与癌旁组织的miR-148a-3p表达,肿瘤组织miR-148a-3p表达显著低于癌旁组织(16.54∶17.22,P=0.010)。ROC曲线结果显示,miR-148a-3p表达对HCC具有较好的诊断价值(曲线下面积为0.751,95%CI:0.699~0.804)。Kaplan-Meier分析发现,miR-148a-3p高表达的患者OS时间(104.2个月∶46.2个月,P=0.001)和DSS时间(104.2个月∶59.7个月,P=0.026)均更长。多因素Cox回归分析发现,miR-148a-3p高表达是HCC患者良好OS时间的独立预后因子(HR=0.546,95%CI:0.373~0.799,P=0.002),但与DSS时间无显著相关性(HR=1.024,95%CI:0.520~2.014,P=0.946)。GO/KEGG富集分析发现miR-148a-3p的潜在靶基因富集于FOXO信号通路、转化生长因子-β(transforming growth factor-β,TGF-β)信号通路,与泛素连接复合物、细胞内吞、内皮细胞增殖、细胞周期停滞等功能相关。结论miR-148a-3p低表达于HCC肿瘤组织,其表达可作为HCC患者生存的可靠预测因子,该分子生物学功能可能参与调控FOXO、TGF-β信号通路,与泛素连接复合物、细胞内吞、内皮细胞增殖、细胞周期停滞等功能相关。

01053 英国督促建立单一的癌症临床试验数据库

医生在决定治疗方案时得不到他们所需要的信息，其原因在于临床研究资料未发表、不可获得。据称四分之一的癌症临床研究资料从未公开。

基于TCGA数据库肺腺癌自噬相关基因预后模型的建立与验证

目的探究肺腺癌自噬相关基因(ARGs),并构建肺腺癌ARGs的预后模型。方法肺腺癌的RNA高通量转录组数据下载于癌症基因组图谱(TCGA)数据库和人类自噬基因(HADb)数据库,获取ARGs,并基于肺腺癌差异表达ARGs构建肺腺癌预后模型并验证,进一步构建列线图及校准曲线探究模型在临床中的应用价值。对差异表达ARGs进行基因本体和京都基因与基因组百科全书富集分析。对获得的具有预后意义的差异表达ARGs进行Lasso回归分析并构建肺腺癌预后模型。绘制Kaplan-Meier生存曲线。结果共获得31个差异表达ARGs,筛选得到10个具有预后意义的差异表达ARGs。高风险组患者与较差的总生存期明显相关,差异有统计学意义(P<0.05)。T分期、N分期、风险评分为肺腺癌患者的独立预后因素。校准曲线和列线图全局一致性为0.710,说明模型预测结果与实际情况具有较高的符合度。结论基于差异表达ARGs构建的风险模型可作为肺腺癌患者的一种预后特征或可为肺腺癌患者的个体化治疗提供参考依据。

《2016年中国癌症发病死亡数据》要点解读

2022年,国家癌症中心公布了全国各肿瘤登记处上报的2016年肿瘤登记数据,其中主要包含发病和死亡的数据。癌症仍然是我国当前面临的一个主要公共卫生问题,需要广大社会的长期合作。本文针对我国最新的癌症流行数据要点进行解读分析,有利于不同地区根据国家癌症防治行动实施方案,制定有针对性的癌症预防和控制计划,以帮助减轻我国癌症负担。

基于TCGA数据库研究KCNT2在肺腺癌中的表达及与患者预后的相关性

目的基于癌症基因组图谱(TCGA)数据库,观察钠激活钾通道蛋白基因KCNT(potassium sodium-activated channel subfamily T member 2,KCNT2)在肺腺癌癌组织中的表达及临床意义。方法从TCGA数据库中下载肺腺癌组织的RNASeq数据以及临床数据,分析KCNT2 mRNA在肺腺癌组织和正常组织中的表达差异;以KCNT2表达水平的中位值(0.143)为界限将肺腺癌患者分为KCNT2高表达组和KCNT2低表达组,应用单因素及多因素COX回归分析癌组织中KCNT2表达与患者临床病理特征的关系及预后的相关性。应用基因集富集分析(GSEA)软件分析预测KCNT2在肺腺癌中可能的调控信号通路。结果肺腺癌组KCNT2表达水平低于正常对照组(P<0.05);肺腺癌组织中KCNT2的表达水平与患者Stage分期相关(P<0.05);Stage分期(HR=1.947,95%CI:1.236~3.066,P=0.004)可以作为肺腺癌的独立预后因素;KCNT2低表达组生存率低于KCNT2高表达组(P=0.035);KCNT2主要参与氧化磷酸化信号通路、核糖体、嘧啶代谢、精氨酸和脯氨酸代谢、谷胱甘肽代谢、RNA聚合酶等信号通路。结论KCNT2在肺腺癌组织中呈低表达,与肺腺癌患者的预后相关,并通过参与多种信号通路促进肺腺癌的发生发展,可能是肺腺癌诊断和治疗的潜在生物标志物。

基于数据挖掘的肝内胆管癌预后分析

本文将采用美国癌症数据库SEER的患者数据,基于三种预测模型对肝内胆管癌(ICC)患者临床病理数据进行分析,完成对生存时间以及生存状态的预测。首先选取了年龄、性别、种族、T分期、N分期、M分期等变量完成了生存曲线的刻画,通过单因素分析和多因素分析确定了Cox风险回归模型的变量及系数,构建了Cox预测模型。接着完成了机器学习算法的建模,首先是梯度提升法建立的模型,选取了一共12个变量并筛选出了5个最重要的独立变量完成预测。然后是BP神经网络模型的应用,排除了种族等不重要的分类变量,加入了对ICC预后影响更明显的变量进入模型。通过对三个模型拟合效果对比得出相应结论。最后针对上述研究结果提出合理的建议。

基于TCGA数据库构建胃癌免疫相关基因的预后风险模型

目的基于癌症基因组图谱(TCGA)数据库,通过分析差异表达的免疫相关基因构建胃癌患者的预后风险模型。方法从TCGA数据库下载胃癌及癌旁组织的RNA测序数据和配对的患者临床资料,从ImmPort数据库中下载免疫相关基因的数据。通过比较肿瘤组织和癌旁组织,筛选出差异表达的免疫相关基因,采用Cox风险比例回归模型构建差异表达免疫相关基因的预后风险模型,通过Kaplan-Meier生存曲线和受试者工作特征(ROC)曲线下面积(AUC)评价模型的预测性能,再对模型风险评分进行独立预后分析。结果从TCGA数据库下载了包括375例胃癌组织和32例癌旁组织的RNA测序数据,共筛选出349个差异表达的免疫相关基因,通过多因素Cox回归分析得到9个(IL1A、APOH、CGB5、GRP、TNFSF18、LGR6、MC1R、NPR1、CTLA4)与胃癌预后相关的免疫相关基因,并以此构建预后风险模型。根据模型风险评分的中位值将所有样本分为高、低风险两组,Kaplan-Meier生存分析结果显示,低风险组的总生存率高于高风险组,差异有统计学意义(P<0.001)。ROC曲线下面积为0.719,独立预后分析结果显示,模型风险评分可作为评估胃癌患者预后的独立预测因子。结论构建的免疫相关基因预后风险模型可以较好地评估胃癌患者的预后情况并指导个体化治疗,也为寻找新的免疫治疗靶点提供帮助。

基于肺腺癌组织中可变剪接数据构建剪接因子-可变剪接调控网络的生物信息学分析

目的:利用生物信息学方法筛选与肺腺癌(LUAD)患者生存相关的可变剪接(AS)事件,构建剪接因子(SF)-AS调控网络,为LUAD患者的预后评价提供新思路。方法:由癌症基因组图谱(TCGA)数据库中下载LUAD患者转录组数据和临床数据。从SF表达和RNA靶点(SpliceAid2)数据库中下载LUAD患者AS数据。对LUAD患者生存相关AS事件进行单因素Cox回归分析。采用LASSO回归分析和多因素Cox回归分析构建LUAD患者预后风险模型,基于该模型计算每种AS事件的风险评分,采用Kaplan-Meier(K-M)生存分析和受试者工作特征曲线(ROC)评价模型的可靠性。通过Cox回归分析风险模型、临床参数与LUAD患者独立预后的关系。采用Pearson检验对SF和与预后相关的AS事件进行相关性分析,并通过Cytoscape软件构建SF-AS互作网络。结果:筛选获取与生存相关的AS事件43948个,共7种类型,主要以外显子活跃(ES)事件和可变终止子(AT)事件为主。构建AS事件预后风险模型,基于该模型风险评分将LUAD患者分为高风险组和低风险组,K-M生存分析,高风险组LUAD患者总生存(OS)率较低风险组低(P<0.05)。ROC曲线分析,LUAD患者预后风险模型预测性良好,曲线下面积(AUC)为0.824。SF-AS调控网络,12个与预后相关SFs正向或负向调节AS事件,可预测LUAD患者的不良预后。结论:筛选了与LUAD患者预后相关的AS事件和上游的调控因子SF,构建了SF-AS网络,为进一步研究AS事件与LUAD患者预后的相关性提供理论依据。

基于多数据库筛选胃癌的自噬相关基因及预后预测模型的建立

目的 通过多种癌症基因数据库构建胃癌自噬相关基因(ARGs)预后预测模型。方法 从人类自噬数据库和GSEA分子特征数据库获得自噬基因,与GEO数据库得到的胃癌差异表达基因进行比对,从而筛选出胃癌ARGs。对胃癌ARGs进行富集分析及通路分析、多因素COX回归分析,筛选关键ARGs,应用R语言进行生存曲线分析、构建列线图及预测模型并对模型进行检验。结果 从多种数据库下载得到胃癌差异表达基因和自噬基因,从中筛选出102个重合基因即胃癌ARGs,Lasso回归和COX多因素分析筛选最终得到2个关键ARGs,即DYNC1I1、RNASE1。基于两个基因建立1、3、5年生存期预测模型和诺莫列线图校正曲线,C值为0.68,提示该模型有相对较好的预测能力。结论 本研究构建了基于DYNC1I1、RNASE1两个关键ARGs胃癌预后风险模型,该模型可有效预测胃癌患者预后。