10.3969/j.issn.1000-0399.2020.03.009
联合肝癌患者病理和预后相关蛋白数据构建肝癌预后决策树模型
目的 利用肝癌患者临床病理信息和预后相关蛋白数据,采用决策树方法 构建肝癌预后模型.方法 从TCGA数据库中获得肝癌组织反相蛋白质阵列,使用LASSO逻辑回归筛选Tubulinα-1B、PAI-1和B-raf蛋白为肝癌候选预后标志物.采用免疫组化分析中山大学肿瘤防治中心775例肝癌患者癌组织中Tubulinα-1B、PAI-1和B-raf蛋白表达.使用决策树方法 鉴定肝癌患者临床病理信息和预后相关蛋白表达数据在预测肝癌预后中的重要性并进行预后分层.结果 决策树模型的分叉节点分别为TNM分期、Tubulinα-1B、肿瘤大小和血管浸润.该模型可进行肝癌预后高、中、低风险分层,其在544例肝癌患者的训练队列中特异度为72.8%,在231例肝癌患者的验证队列中特异度为74.1%.结论 联合肝癌患者病理和预后相关蛋白数据,利用决策树方法 构建的肝癌预后模型可区分肝癌患者预后风险,有助于临床制定个体化医疗方案.
Tubulinα-1B、PAI-1、B-raf、临床病理信息、决策树、预后模型、肝细胞癌
41
R737.9;R318;TP311.13
国家自然科学基金;安徽省自然科学基金
2020-07-02(万方平台首次上网日期,不代表论文的发表时间)
共8页
261-268