期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于糖代谢相关基因的卵巢癌预后模型的构建及验证
1
作者 刘欣悦 韩妍 +2 位作者 姚卉 王君霞 索玉平 《现代妇产科进展》 2024年第7期517-524,共8页
目的:建立糖代谢相关卵巢癌预后和药物反应的预测模型,探讨其临床意义。方法:由ICGC数据库和GSE26712数据集获取卵巢癌患者的基因表达谱和临床特征数据,从MSigDB中提取并收集糖代谢相关基因与之取交集得到糖代谢相关基因,使用多种算法,... 目的:建立糖代谢相关卵巢癌预后和药物反应的预测模型,探讨其临床意义。方法:由ICGC数据库和GSE26712数据集获取卵巢癌患者的基因表达谱和临床特征数据,从MSigDB中提取并收集糖代谢相关基因与之取交集得到糖代谢相关基因,使用多种算法,筛选出预后相关基因构建模型。对风险模型进行生存分析、基因功能富集分析和药物反应预测,使用cBioPortal在线工具呈现预后相关基因的遗传信息,运用Cytoscape软件显示预后相关基因和糖代谢共表达基因的网络。在正常卵巢组织细胞与上皮性卵巢癌组织细胞中对预后相关基因表达进行差异验证。结果:得到21个糖代谢相关基因进行LASSO回归分析,进一步进行多变量Cox回归分析,建立了包括LHPP(HR=1.51,95%CI为1.24~1.83,P<0.001)、PCK2(HR=0.72,95%CI为0.57~0.92,P=0.009)、PPP3CA(HR=1.35,95%CI为1.08~1.69,P=0.008)和NADK(HR=0.68,95%CI为0.52~1.89,P=0.005)的最优风险模型。使用cBioPortal在398份卵巢癌样本中探索这4个基因的遗传信息,提示基因结构域的改变可能影响蛋白的功能,Kaplan-Meier生存分析显示高风险组的总生存率较低风险组差(P<0.0001),ROC曲线提示模型区分度良好(2年AUC=0.773、3年AUC=0.839、4年AUC=0.852)。通过GSE26712和GSE9891进一步验证风险评分是卵巢癌患者预后独立危险因素,同时基于GSE9891数据集的临床信息,对风险评分、病理分级、FIGO分期、年龄等因素进行多因素Cox回归分析,发现该风险评分为独立预后因素(P<0.001)。KEGG富集分析提示,高风险评分组介导的生物学功能包括细胞周期、TNF、Hedgehog、DNA修复等通路,其中细胞周期通路显著富集(P<0.001),糖代谢相关基因主要通过细胞周期途径在卵巢癌的发生和进展中发挥关键作用;高风险组中,多数化疗药物敏感性更低,并基于细胞周期检查点抑制剂的研究发现4种药物(CGP-60474、BI-2536、CGP-082996和GW843682X)对高危人群� 展开更多
关键词 卵巢癌 糖代谢 预后模型 药敏预测 生物信息学
下载PDF
念珠菌菌血症病原菌特点及短期预后风险预测评分模型的构建与验证
2
作者 马建新 林小强 +3 位作者 蔡明池 许玉珍 彭俊 梁声强 《解放军医学杂志》 CAS CSCD 北大核心 2024年第3期280-287,共8页
目的分析念珠菌菌血症的病原菌特征,构建并验证其短期死亡风险预测评分模型。方法回顾性分析2011年1月1日-2020年12月31日联勤保障部队第909医院收治的念珠菌菌血症患者的临床资料,分析病原菌构成、药敏试验结果和住院患者发生率。选取... 目的分析念珠菌菌血症的病原菌特征,构建并验证其短期死亡风险预测评分模型。方法回顾性分析2011年1月1日-2020年12月31日联勤保障部队第909医院收治的念珠菌菌血症患者的临床资料,分析病原菌构成、药敏试验结果和住院患者发生率。选取念珠菌菌血症324例随机纳入建模组(190例)、验证组(134例),采用二元logistic回归筛选危险因素,依据比值比(OR)赋分,构建30d死亡风险预测评分模型。运用预测评分模型对建模组、验证组进行评分,验证预测模型的预测效能。结果336例念珠菌菌血症患者共检出念珠菌356株,其中白色念珠菌126株(35.39%),热带念珠菌79株(22.19%),近平滑念珠菌74株(20.79%),光滑念珠菌48株(13.48%),季也蒙念珠菌14株(3.93%),克柔念珠菌8株(2.25%),其他念珠菌7株(1.97%);住院患者念珠菌菌血症发生率从2011年的0.20‰上升到2020年的0.48‰。念珠菌对两性霉素B耐药率明显低于氟康唑、伏立康唑、伊曲康唑(P<0.05)。纳入模型分析的324例中,确诊后30d死亡95例,病死率29.32%;建模组男性、发热、肠外营养占比明显高于验证组(P<0.05),慢性肺病、1个月内手术史占比均低于验证组(P<0.05)。Logistic回归分析结果显示,慢性肾衰竭、机械通气、重度中性粒细胞降低、72h内未接受抗真菌治疗、急性生理和慢性健康状况Ⅱ评分(APACHEⅡ)≥20分为念珠菌菌血症短期死亡的危险因素(P<0.05),OR值分别为3.179、1.970、2.979、2.080、2.399,风险赋分分别为6、4、6、4、5。风险评分模型对建模组ROC曲线下面积(AUC)为0.792(95%CI 0.721~0.862),Hosmer-Lemeshow(H-L)检验结果为P=0.305;验证组AUC为0.796(95%CI 0.735~0.898),H-L检验结果为P=0.329。风险评分≤8分为短期死亡低风险组,评分9~15分为中风险组,评分≥16分为高风险组。结论住院患者念珠菌菌血症发生率呈上升趋势,病死率较高;构建的念珠菌菌血症短期死亡风险预测评分模� 展开更多
关键词 念珠菌菌血症 药敏试验 危险因素 预测 评分模型
下载PDF
计算机辅助预测EGFR突变的非小细胞肺癌药物敏感性的研究进展 被引量:2
3
作者 石禹龙 谢冬 +1 位作者 徐志建 朱维良 《中国现代应用药学》 CAS CSCD 北大核心 2022年第21期2834-2841,共8页
表皮生长因子受体(epidermal growth factor receptor,EGFR)既是非小细胞肺癌(non-small cell lung cancer,NSCLC)的常见驱动基因,也是临床上NSCLC的重要治疗靶标。但EGFR突变导致的耐药性问题严重影响了靶向药物的治疗效果,限制了精准... 表皮生长因子受体(epidermal growth factor receptor,EGFR)既是非小细胞肺癌(non-small cell lung cancer,NSCLC)的常见驱动基因,也是临床上NSCLC的重要治疗靶标。但EGFR突变导致的耐药性问题严重影响了靶向药物的治疗效果,限制了精准医疗的发展。本文对目前上市的EGFR酪氨酸激酶抑制剂(EGFR-tyrosine kinase inhibitors,EGFR-TKIs)的靶标结合模式进行综述,旨在为新型EGFR-TKIs开发提供理论依据,并回顾总结应用计算机预测EGFR突变体的药物敏感性的研究进展,以期推动发展临床决策的辅助工具来帮助临床医师设计个性化治疗方案。 展开更多
关键词 非小细胞肺癌 表皮生长因子受体 酪氨酸激酶抑制剂 药物敏感性预测
原文传递
基于集成学习的肿瘤药物敏感性预测研究 被引量:2
4
作者 黄鹏杰 林勇 +5 位作者 张梦欢 吕琳 刘振浩 裴潇倜 许林锋 谢鹭 《中国医学物理学杂志》 CSCD 2021年第4期511-517,共7页
肿瘤药物敏感性预测对个性化精准用药具有重要意义。本文基于GDSC数据库通过Boosting集成学习构建了面向RNA-seq基因表达和癌症药物敏感性数据的预测模型。先将183种药物集分别做归一化处理和基因特征降维,接着用AdaBoost集成SVM的方法... 肿瘤药物敏感性预测对个性化精准用药具有重要意义。本文基于GDSC数据库通过Boosting集成学习构建了面向RNA-seq基因表达和癌症药物敏感性数据的预测模型。先将183种药物集分别做归一化处理和基因特征降维,接着用AdaBoost集成SVM的方法建模,并采用十折交叉验证。实验结果表明构建的预测模型具有较高的预测精度,13种药物的AUC大于0.95,108种大于0.9,174种大于0.8。对比验证实验中,AdaBoost+SVM相比单学习器模型在整体药物集的综合评价指标中约提高4%,与其他集成模型相比提高2%。同时本文探讨了药物特异性,通过特征选择和富集分析对药物作用通路进行验证,从生物学角度提供了模型可解释性,证明其应用于临床用药指导的价值。 展开更多
关键词 集成学习 肿瘤 药物敏感性预测 ADABOOST 富集分析
下载PDF
基于矩阵填充算法的抗癌药物敏感性预测
5
作者 徐慧 贺平安 《浙江理工大学学报(自然科学版)》 2020年第2期277-282,共6页
在已有矩阵填充模型的基础上,融入癌细胞系的相似性信息与抗癌药物的相似性信息,提出了一种低秩矩阵填充模型,用于预测因受试验条件等影响而缺失的抗癌药物敏感性数据。将模型应用在CGP数据库中有缺失值的抗癌药物敏感性数据中,利用已... 在已有矩阵填充模型的基础上,融入癌细胞系的相似性信息与抗癌药物的相似性信息,提出了一种低秩矩阵填充模型,用于预测因受试验条件等影响而缺失的抗癌药物敏感性数据。将模型应用在CGP数据库中有缺失值的抗癌药物敏感性数据中,利用已有数据训练新模型的参数,并利用训练得到的最优参数对CGP数据库中的数据进行预测,得到最优近似值。结果表明,相较于其他模型,该模型能有效提高对缺失数据的填充效果。 展开更多
关键词 低秩矩阵填充 癌症细胞系 抗癌药物敏感性 相似性 抗癌药物 预测
下载PDF
基于多任务学习模型的药物敏感性预测
6
作者 唐益翔 《软件导刊》 2020年第1期207-210,共4页
目前基于建模的抗癌药物敏感性预测研究较多,但这些模型大多使用传统单任务学习模型。这种模型在解决复杂问题时需将问题拆分成单个子问题,忽略了各个子问题之间存在的关联,因而模型精度会受到影响。大多数药物敏感性预测模型仅使用了... 目前基于建模的抗癌药物敏感性预测研究较多,但这些模型大多使用传统单任务学习模型。这种模型在解决复杂问题时需将问题拆分成单个子问题,忽略了各个子问题之间存在的关联,因而模型精度会受到影响。大多数药物敏感性预测模型仅使用了基因表达数据,忽略了基因突变、甲基化以及拷贝数等数据对药物敏感性预测的影响。结合上述数据,并考虑到不同药物之间可能存在的相似性,利用多任务学习方法共享任务之间的信息,对抗癌药物敏感性进行预测,预测的平均精度达到56%以上,较普通的Lasso模型提高了35%左右。同时,针对每种药物找出一些敏感的生物标志物,这些生物标志物可为癌症治疗提供指导。 展开更多
关键词 癌症 药物敏感性 个性化医疗 多任务学习 预测
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部