基于网络分析和随机森林方法的肝细胞癌分期研究

• 作者: 李鑫
• 来源期刊: 统计学与应用
• 学科: 医学
• 关键词: 肝细胞癌 加权基因共表达网络分析 PPI网络 随机森林
• 年，卷（期）: 2019,（1）
• 页码范围: 95-107
• 页数: 13页
• 分类号: R73

摘要

肝细胞癌(Hepatocellular Carcinoma, HCC)是一种侵袭性恶性肿瘤,尽管肝细胞癌诊断技术及治疗水平有了较大的进步,但对HCC的早期诊断依然是个巨大的挑战。在本文中,我们试图通过基因网络分析与临床分期相关的核心基因,用于对早期HCC患者的发现提供信息和提高HCC诊断技术及治疗水平。首先,我们选用GEO数据库中包含219例早期术后HCC患者的基因表达数据,进行差异表达分析,并且将数据随机分为训练集与测试集,其中训练集采用加权基因共表达网络(WGCNA)分析聚类出五个模块,对各基因模块进行功能富集和通路富集分析,我们发现其中blue模块与细胞增殖、分裂、周期以及DNA复制启动、复制、修复等生物过程相关,与细胞周期、P53信号通路、HTLV-I感染、乙型肝炎等通路相关,这些过程和通路均与HCC的发生发展密切相关。因此,选取模块的富集基因进行PPI网络分析,选取连通度较大的10个核心基因BUB1B、CCNA2、CCNB1、CCNB2、CDC20、MAD2L1、MCM4、PCNA、RFC4、TOP2A,通过随机森林对核心基因进行监督学习,建立BCLC分期的分类模型,然后应用于测试集,研究发现该方法对于BCLC早期患者的分类有很大程度的帮助,正确率达到95.52%,但是对于患者的中后期分类效果不是很理想。该研究提高了对HCC的发病机制和分期研究的认识,为HCC靶向治疗提供了新的方向。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李鑫		13	23	3.0	4.0