Оптимизация молекулярных подписей для предсказания рецидива рака простаты

Автор: | Апрель 22, 2019

UroToday.com — Смертность для рака простаты уменьшается из-за улучшений более раннего обнаружения и местных стратегий терапии, однако, способность предсказать, что метастатическое поведение рака пациента, а также обнаружить и ликвидировать рецидив болезни остается некоторыми самыми большими клиническими проблемами при онкологии.Считается, что у 25-40% мужчин, переносящих радикальную простатэктомию, будет рецидив болезни, часто называл биохимический рецидив как первое клиническое показание возрастающий серологический уровень специфического антигена простаты (PSA). Точная идентификация пациентов в опасности для рецидива значительно облегчила бы рациональное применение стратегий адъювантного лечения.Появление технологии экспрессии гена микромножества значительно позволило поиск прогнозирующих биомаркеров болезни.

Многочисленные терапевтические исследования продемонстрировали потенциальную ценность подписей экспрессии гена в оценке риска постоперационного рецидива болезни вне текущих клинических систем. Однако существующие молекулярные прогнозирующие модели были получены с помощью относительно простых вычислительных алгоритмов и критической проблемы того, готовы ли предложенные генные подписи к рандомизированным, проспективным клиническим испытаниям проверки, все еще является объектом дебатов в сообществе онкологии. Ключ к решению этого вопроса является развитием продвинутых алгоритмов, которые способны к идентификации соответствующих генов (особенности в биоинформатических терминах) в фоне десятков тысяч генов, и на основе ограниченного числа образцов ткани пациента. Этот процесс известен как выбор особенности, и достигающий этого в высоко-размерных данных остается основной проблемой в машинном изучении и биоинформатике.

Чтобы преодолеть текущие ограничения, мы получили алгоритм выбора особенности, обращающийся к нескольким главным проблемам с предшествующей работой включая вычислительную эффективность и точность раствора. Мы экспериментально продемонстрировали, что наш алгоритм способен к решению проблем с чрезвычайно большой входной размерностью данных к пункту далеко вне необходимого для анализа данных экспрессии гена генетически сложных организмов.В исследовании, изданном в журнале Prostate, мы провели вычислительный анализ, чтобы заняться расследованиями, может ли применение нашего вычислительного алгоритма привести к происхождению более точных предвещающих молекулярных подписей для предсказания рецидива рака простаты.

С этой целью мы использовали строгий экспериментальный протокол, чтобы сравнить предвещающую производительность недавно идентифицированных генетических подписей с ранее полученными. Кривые особенности оператора приемника (ROC) и анализы данных выживания демонстрируют превосходящую производительность новой генной подписи по предыдущей работе. Мы далее получили гибридную предвещающую подпись, полученную путем интеграции данных об экспрессии гена и клинических переменных, значительно выигравших и у генной подписи и у прогнозирующей номограммы.Наши результаты демонстрируют, что передовое вычислительное моделирование может значительно улучшить точность молекулярных предвещающих подписей для рака простаты.

Написанный Стивом Гудисоном, Мэриленд как часть Вне Резюме на UroToday.comUroToday — единственный веб-сайт урологии с оригинальным содержанием, написанным общими неформальными лидерами ключа урологии активно, участвовал в клинической практике.

Чтобы получить доступ к последним пресс-релизам урологии от UroToday, пойдите в:www.urotoday.comCopyright © 2009 — UroToday


Оптимизация молекулярных подписей для предсказания рецидива рака простаты: 6 комментариев

  1. Fenrile

    К доходам 414 000 грн за движимость и недвижимость. Шокин — клиенту: для вас есть только один выход, вам надо купить у меня гараж и мою старую Копейку. Клиент: о чем речь?!!!

Добавить комментарий