利用较少分子信息预测肝细胞癌类型对患者的个性化治疗十分关键.探索已知的与肝细胞癌预后相关的信号通路,共发现41个关键基因.随后,运用机器学习的方法对其构建风险预测模型,并在4个肝细胞癌数据集上进行验证.结果显示,该模型能将肝细胞癌患者分成两个预后差异显著的类型:癌症基因图谱(The cancer genome atlas,TCGA)数据集交叉验证的平均log rank P值为0.03;其他测试数据集的log rank P值分别为0.00038、0.0021和0.01.生物信息学分析显示肝细胞癌的预后与细胞周期等信号通路显著相关,并筛选出12个潜在的肝细胞癌分子标志物.研究结果表明,基于41个基因构建的肝细胞癌预后模型具有较好的稳健性和准确的风险预测能力.
作者：魏之菡；法博涛；俞章盛
来源：生物技术通报 2020 年 36卷 5期
