Machine Learning-Based Prognostic Gene Signature for Early Triple Negative Breast Cancer

三阴性乳腺癌 医学 基因签名 逻辑回归 接收机工作特性 乳腺癌 机器学习 特征选择 肿瘤科 人工智能 生存分析 签名(拓扑) 内科学 生物信息学 癌症 基因 基因表达 计算机科学 生物 生物化学 数学 几何学
作者
Ju Won Kim,Jonghyun Lee,Sung Hak Lee,Sangjeong Ahn,Kyong Hwa Park
出处
期刊:Cancer Research and Treatment [Korean Cancer Association]
标识
DOI:10.4143/crt.2024.937
摘要

Purpose This study aimed to develop a machine learning-based approach to identify prognostic gene signatures for early-stage Triple Negative Breast Cancer (TNBC) using next-generation sequencing data from Asian populations. Materials and Methods We utilized next-generation sequencing data to analyze gene expression profiles and identify potential biomarkers. Our methodology involved integrating various machine learning techniques, including feature selection and model optimization. We employed logistic regression, Kaplan-Meier survival analysis, and receiver operating characteristic (ROC) curves to validate the identified gene signatures. Results We identified a gene signature significantly associated with relapse in TNBC patients. The predictive model demonstrated robustness and accuracy, with an area under the ROC curve (AUROC) of 0.9087, sensitivity of 0.8750, and specificity of 0.9231. The Kaplan-Meier survival analysis revealed a strong association between the gene signature and patient relapse, further validated by logistic regression analysis. Conclusion This study presents a novel machine learning-based prognostic tool for TNBC, offering significant implications for early detection and personalized treatment. The identified gene signature provides a promising approach for improving the management of TNBC, contributing to the advancement of precision oncology.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
脑洞疼的应助被一笑半步巅采纳,获得10
刚刚
yan完成签到,获得积分20
刚刚
jyh完成签到,获得积分20
刚刚
下雨天发布了新的文献求助10
1秒前
2秒前
2秒前
Lucas的应助被zsda采纳,获得10
2秒前
feicheng发布了新的文献求助10
2秒前
FQLFQ的应助被唐唐采纳,获得20
3秒前
鱼鱼发布了新的文献求助10
3秒前
积极镜子完成签到 ,获得积分10
3秒前
研友_8o5V2n发布了新的文献求助30
3秒前
CipherSage的应助被菠菜采纳,获得10
3秒前
4秒前
5秒前
5秒前
null的应助被shaco采纳,获得10
5秒前
董文强发布了新的文献求助10
5秒前
prpr发布了新的文献求助10
6秒前
自由发布了新的文献求助10
6秒前
7秒前
FashionBoy的应助被务实的书芹采纳,获得10
8秒前
优美的未来完成签到,获得积分10
8秒前
guangtouqiang完成签到,获得积分20
8秒前
8秒前
聂的苏发布了新的文献求助10
8秒前
科研小能手的应助被嘻嘻嘻采纳,获得50
9秒前
123完成签到 ,获得积分10
9秒前
jing完成签到,获得积分20
9秒前
Jasper的应助被符聪采纳,获得10
9秒前
ZzHappyOvO完成签到,获得积分10
9秒前
冲冲冲发布了新的文献求助10
10秒前
吴冠超发布了新的文献求助10
10秒前
Mniwl发布了新的文献求助10
10秒前
桐桐的应助被靓丽芙蓉采纳,获得10
10秒前
11秒前
11秒前
WUHAO完成签到,获得积分10
11秒前
11秒前
阿涛发布了新的文献求助10
11秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
plantTFDB 508
Resource Recovery Handbook 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8175707
求助须知:如何正确求助?哪些是违规求助? 9567353
关于积分的说明 21792214
捐赠科研通 7770334
什么是DOI,文献DOI怎么找? 3431908
关于科研通互助平台的介绍 2556260
邀请新用户注册赠送积分活动 2477417