AACR: Model Menganalisis Metilasi CpG Meramalkan Asal Usul Kanser

Ikuti Drugslib di

Oleh Elana Gotkine HealthDay Reporter

Penyunting Perubatan B.P.webp. Kemas kini terakhir pada 22 April 2026.

melalui HealthDay

RABU, 22 April 2026 -- Tandatangan metilasi berasaskan CpG digabungkan dengan regresi rabung membolehkan klasifikasi multikanser yang sangat tepat pada pesakit dengan kanser primer yang tidak diketahui, menurut kajian yang dibentangkan pada mesyuarat tahunan Persatuan Penyelidikan Kanser Amerika, yang diadakan dari 17 hingga 22 April di San Diego.

De Veli Veli, Ph.D. Perubatan di Kota Sakai, Jepun, dan rakan sekerja membangunkan dan mengesahkan model ramalan untuk klasifikasi jenis kanser berdasarkan set tapak CpG yang difokuskan menggunakan data metilasi daripada 7,476 pesakit merentas 21 jenis kanser. Data dibahagikan kepada kohort latihan dan ujian. Kawasan CpG telah dikenal pasti dengan menggunakan pendekatan pemilihan ciri hibrid yang menggabungkan nilai Shapley dan peningkatan kecerunan; prestasi model dinilai pada kohort ujian. Pengesahan bebas dilakukan menggunakan data daripada 31 kes yang mewakili 17 jenis kanser.

Para penyelidik memilih 1,000 wilayah CpG. Antara model yang diuji, prestasi terbaik dicapai dengan regresi rabung, dengan ketepatan klasifikasi (CA) sebanyak 95.4 peratus, kawasan di bawah lengkung ciri operasi penerima (AUC) sebanyak 0.998, skor F1 sebanyak 0.953, dan pekali korelasi Matthews (MCC) sebanyak 0.951 dipurata merentas kelas latihan. Dalam kohort ujian, prestasi ialah 94.7 peratus CA, 0.998 AUC, 0.945 F1 dan 0.943 MCC, dan prestasi dalam pengesahan bebas ialah 87.1 peratus CA, 0.9993 AUC, 0.847 F1 dan 0.867 MCC. Dua puluh gugusan Louvain yang berbeza telah dikenal pasti dalam analisis tanpa pengawasan, yang menonjolkan kepelbagaian merentas jenis kanser.

"Penemuan kami mencadangkan pendekatan berasaskan DNA boleh membantu mengenal pasti di mana kanser mungkin bermula, walaupun ketika tumor asal tidak kelihatan," kata De Velasco dalam satu kenyataan.

Maklumat Lanjut

Penafian: Data statistik dalam artikel perubatan memberikan trend umum dan tidak berkaitan dengan individu. Faktor individu boleh sangat berbeza. Sentiasa dapatkan nasihat perubatan yang diperibadikan untuk keputusan penjagaan kesihatan individu.

Sumber: HealthDay

Disiarkan : 2026-04-23 02:08

Baca lagi

Penafian

Segala usaha telah dilakukan untuk memastikan bahawa maklumat yang diberikan oleh Drugslib.com adalah tepat, terkini -tarikh, dan lengkap, tetapi tiada jaminan dibuat untuk kesan itu. Maklumat ubat yang terkandung di sini mungkin sensitif masa. Maklumat Drugslib.com telah disusun untuk digunakan oleh pengamal penjagaan kesihatan dan pengguna di Amerika Syarikat dan oleh itu Drugslib.com tidak menjamin bahawa penggunaan di luar Amerika Syarikat adalah sesuai, melainkan dinyatakan sebaliknya secara khusus. Maklumat ubat Drugslib.com tidak menyokong ubat, mendiagnosis pesakit atau mengesyorkan terapi. Maklumat ubat Drugslib.com ialah sumber maklumat yang direka bentuk untuk membantu pengamal penjagaan kesihatan berlesen dalam menjaga pesakit mereka dan/atau memberi perkhidmatan kepada pengguna yang melihat perkhidmatan ini sebagai tambahan kepada, dan bukan pengganti, kepakaran, kemahiran, pengetahuan dan pertimbangan penjagaan kesihatan pengamal.

Ketiadaan amaran untuk gabungan ubat atau ubat yang diberikan sama sekali tidak boleh ditafsirkan untuk menunjukkan bahawa gabungan ubat atau ubat itu selamat, berkesan atau sesuai untuk mana-mana pesakit tertentu. Drugslib.com tidak memikul sebarang tanggungjawab untuk sebarang aspek penjagaan kesihatan yang ditadbir dengan bantuan maklumat yang disediakan oleh Drugslib.com. Maklumat yang terkandung di sini tidak bertujuan untuk merangkumi semua kemungkinan penggunaan, arahan, langkah berjaga-jaga, amaran, interaksi ubat, tindak balas alahan atau kesan buruk. Jika anda mempunyai soalan tentang ubat yang anda ambil, semak dengan doktor, jururawat atau ahli farmasi anda.

Kata kunci yang popular