基于CFS算法研究肾癌中的关键基因

摘要：

目的:识别肾细胞癌(RCC)中的关键基因,并揭示其在肿瘤中的作用机理.方法:从GEO数据库下载芯片数据GSE53757,筛选它们之间的差异表达基因(DEGs).使用DAVID在线工具对DEGs进行GO功能注释和KEGG富集分析,然后使用基于特征子集相关性(CFS)的变量筛选方法筛选DEGs的关键基因,并根据筛选出的关键基因,使用支持向量机(SVM)方法建立筛选RCC样本和正常对照样本的分类预测模型.结果:共筛选到541个DEGs,包括312个上调基因和229个下调基因.选择21个作为特征基因,通过SVM方法建立RCC样本和正常对照样本之间的分类模型,其预测精度为97.2%.此外,STRING数据库筛选的Top10Hub基因中也发现了4个与CFS算法筛选出的特征基因重合的Hub基因(CD40,EGFR,CAV1和TGFA).结论:CFS是用于筛选RCC中关键基因的有用工具.并且,CD40,EGFR,CAV1和TGFA这4个基因很可能为诊断RCC的目标基因.

关键词：基因表达谱、癌症分类、基因选择、肾癌、CFS算法

所属期刊栏目：4

分类号：R737.11(肿瘤学)

在线出版日期：2017-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：16-19