基于人工神经网络技术联合表观基因组学在肝癌诊断中的应用

摘要：

目的:通过构建人工神经网络联合表观基因组学对肝癌组织及正常组织进行分类,为肝癌的诊断提供研究方向.方法:从TCGA数据库下载包含379例肝癌样本及50例正常肝组织样本的DNA甲基化数据集,筛选出差异高甲基化的、位于启动子区的、与对应基因呈负相关的CpG位点并使用Logistic回归分析筛选出与肝癌有关的4个CpG位点,将筛选出的位点使用人工神经网络技术对肝癌组织样本及正常肝组织样本进行分类.计算人工神经网络模型对样本判别的准确性、敏感度、特异度.结果:人工神经网络模型对样本判别的准确性为94.7%、敏感度为96.8%、特异度为92.7%.结论:人工神经网络模型可以很好地区分肝癌组织与正常组织,对肝癌诊断具有较高的价值.

关键词：肝细胞癌、人工神经网络、分类

所属期刊栏目：43

分类号：R735.7;R446(肿瘤学)

在线出版日期：2023-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：565-569