目的:通过采用生物信息学与机器学习算法分析和筛选公共数据库中肺腺癌的关键基因，探究肺腺癌诊治的生物标志物。方法:从基因表达数据库(GEO)数据库中选择肺腺癌基因表达谱(GSE116959、GSE118370、GSE19188)，利用R语言中的Combat包对GSE116959与GSE118370去批次化合并作为训练组；并获得差异表达基因(DEGs)。采用最小绝对收缩和选择算子(LASSO)、支持向量机递归特征消除(SVM-RFE)算法分别对训练组进行预测，LASSO与SVM-RFE算法交集基因被认为是肺腺癌特征基因。利用箱型图和受试者工作曲线(ROC)对筛选出的特征基因在验证集中进行验证并对筛选出的基因进行免疫细胞浸润分析。结果:LASSO算法共筛选出8个特征基因，SVM-RFE算法共筛选出6个特征基因，两个算法有4个交集基因(BTNL9、LOC400568、RTNK2、SGCG)，4个基因对疾病的预测能力分别为0.945[95
作者：赖威；刘毅；李国瑞；张天宇；李宁；耿庆
来源：中华实验外科杂志 2023 年 40卷 8期
