上海交通大學生命科學技術學院俞章盛團隊在肝癌風險預測研究方面取得新進展。研究基于發現的13個與肝癌生存顯著相關的信號通路，構建了肝癌風險預測模型，在異質性較高的肝癌的多個數據集中取得了較高的預測精度，并與新近發表的基于深度學習框架的預測模型進行了多方面比較，表明了基于信號通路水平特征的模型在預測腫瘤風險方面具有優勢。該成果近日發表在EBio Medicine上。
肝癌是一種發病率和致死率雙高的腫瘤類型，多年來在全球流行病學統計中呈上升趨勢。大多數腫瘤類型研究慣常的分析方法是通過臨床或者高通量數據對腫瘤患者進行分類，從而對不同臨床風險類型采取更加個性化的治療方法。
研究人員采用了同樣的肝癌數據集，并通過表達數據提取對噪聲更不敏感的信號通路水平的PDS作為特征，來提高預測的精度與穩定性。他們首先從3個較大的肝癌數據集中分別計算PDS，并篩選與肝癌生存風險顯著相關的信號通路，進一步探究信號通路之間的影響后，得到13個與肝癌生存顯著相關的通路。基于這些特征，研究團隊采用與深度學習研究同樣的統計模型，實現了對肝癌風險預測性能的提升，并發現了多個與肝癌生存風險相關的生物標志物。
中國-博士人才網發布
聲明提示：凡本網注明“來源：XXX”的文/圖等稿件，本網轉載出于傳遞更多信息及方便產業探討之目的，并不意味著本站贊同其觀點或證實其內容的真實性，文章內容僅供參考。
