上海交通大学生命科学技术学院俞章盛团队在肝癌风险预测研究方面取得新进展。研究基于发现的13个与肝癌生存显着相关的信号通路，构建了肝癌风险预测模型，在异质性较高的肝癌的多个数据集中取得了较高的预测精度，并与新近发表的基于深度学习框架的预测模型进行了多方面比较，表明了基于信号通路水平特征的模型在预测肿瘤风险方面具有优势。该成果近日发表在EBio Medicine上。

　　肝癌是一种发病率和致死率双高的肿瘤类型，多年来在全球流行病学统计中呈上升趋势。大多数肿瘤类型研究惯常的分析方法是通过临床或者高通量数据对肿瘤患者进行分类，从而对不同临床风险类型采取更加个性化的治疗方法。

　　研究人员采用了同样的肝癌数据集，并通过表达数据提取对噪声更不敏感的信号通路水平的PDS作为特征，来提高预测的精度与稳定性。他们首先从3个较大的肝癌数据集中分别计算PDS，并筛选与肝癌生存风险显着相关的信号通路，进一步探究信号通路之间的影响后，得到13个与肝癌生存显着相关的通路。基于这些特征，研究团队采用与深度学习研究同样的统计模型，实现了对肝癌风险预测性能的提升，并发现了多个与肝癌生存风险相关的生物标志物。

　　文章来源网络，如有侵权，请联系删除。