استفاده از هوش مصنوعی و الگوریتم های ماشین یادگیری برای نمایه سازی بیان ژن در پیش بینی عود کارسینومای یورئوتلیال تهاجمی غیر عضلانی در مثانه در زمان ظهور اولیه بیماری

قیمت: 43,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

استفاده از هوش مصنوعی و الگوریتم های ماشین یادگیری برای نمایه سازی بیان ژن در پیش بینی عود کارسینومای یورئوتلیال تهاجمی غیر عضلانی در مثانه در زمان ظهور اولیه بیماری

عنوان لاتین

Using Artificial Intelligence and Machine Learning Algorithms with Gene Expression Profiling to Predict Recurrence of Nonmuscle Invasive Urothelial Carcinoma of the Bladder at Initial Presentation

هدف: به علت ریسک بالای عود کارسینومای (بدخیمی) یورئوتلیال (مجاری ادراری) تهاجمی غیرعضلانی (NMIUC/ nonmuscle invasive carcinoma) ، تشخیص و تمایز بیماران با رسیک بالا و بیماران با بیماری مزمن، حیاتی است.در این مطالعه ما از الگوریتم یادگیری ماشین (توضیح مترجم: یکی از شاخه های هوش مصنوعی) برای شناسایی ژن های بیمارانی که کارسینومای یورئوتلیال تهاجمی غیرعضلانی در مراحل ابتدایی ظهور بیماری با بیشترین احتمال عود را داشتند، استفاده کردیم.ما از ژن هایی در یک امضای مولکولی برای پیش بینی ریسک عود بیماری در طی 5 سال پس از جراحی توموربرداری از بافت مثانه استفاده کردیم. مواد و روش ها: نمایه سازی کل ژنوم بر روی 112 نمونه فریز شده از کارسینومای یورئوتلیال تهاجمی غیرعضلانی که در مراحل اولیه ظهور بر روی کیت Human WG-6 BeadChips (Illumina) به دست آمده بود، انجام شد.الگوریتم برنامه نویسی ژنتیکی برای به دست آوردن مدل های ریاضی طبقه بندی شده در پیش بینی نتایج، استفاده شد.روش اعتبار سنجی متقابل (توضیح مترجم: یک تکنیک اعتبار سنجی برای ارزیابی چگونگی تعمیم نتایج یک تجزیه و تحلیل آماری به یک مجموعه داده مستقل) بر پایه نمونه گیری مجدد و فرکانس های ژنی (توضیح مترجم: نسبت تعداد آلل شناسایی شده در یک جمعیت به کل آلل ها در همان محدوده ژنتیکی) برای شناسایی بیشترین ژن های پیش آگهی دهنده در ترکیب با ژن های کنترل کننده (حاکم) استفاده شده در الگوریتم رای (توضیح مترجم: یک الگوریتم برای یافتن توالی اکثریت در عناصر با استفاده از زمان خطی و فضای ثابت است)، در پیش بینی کلاس نمونه هدف استفاده شدند.ژن های کلیدی با استفاده از روش PCR کمی تایید اعتبار شدند. نتایج: مجموعه طبقه بندی شده شامل 21 ژن بود که عود بیماری را پیش بینی می کردند.PCR کمی برای این ژن ها در زیرمجموعه ای 100 تایی از بیماران انجام شد.5-ژن کنترل کننده ترکیبی در ترکیب با الگوریتم رای با 77% حساسیت و 85% اختصاصیت برای پیش بینی عود در مجموعه آزمایشی و به ترتیب 69% حساسیت و 62% اختصاصیت در مجموعه آزمون به دست آمد. نتیجه گیری: استفاده از کارسینومای ابتدایی یورئوتلیال تهاجمی غیرعضلانی از ظهور اولیه در برنامه نویسی ژنتیکی، رونوشت هایی با قابلیت تکرارپذیری که عود را پیش بینی می کردند، شناسایی کرد.این یافته ها می تواند مدیریت بیماری کارسینومای ابتدایی یورئوتلیال تهاجمی غیرعضلانی را به طور بالقوه تحت تاثیر قرار دهد.

Purpose: Due to the high recurrence risk of nonmuscle invasive urothelial carcinoma it is crucial to distinguish patients at high risk from those with indolent disease. In this study we used a machine learning algorithm to identify the genes in patients with nonmuscle invasive urothelial carcinoma at initial presentation that were most predictive of recurrence. We used the genes in a molecular signature to predict recurrence risk within 5 years after transurethral resection of bladder tumor. Materials and Methods: Whole genome profiling was performed on 112 frozen nonmuscle invasive urothelial carcinoma specimens obtained at first presentation on Human WG-6 BeadChips (Illumina
). A genetic programming algorithm was applied to evolve classifier mathematical models for outcome prediction. Cross-validation based resampling and gene use frequencies were used to identify the most prognostic genes, which were combined into rules used in a voting algorithm to predict the sample target class. Key genes were validated by quantitative polymerase chain reaction. Results: The classifier set included 21 genes that predicted recurrence. Quantitative polymerase chain reaction was done for these genes in a subset of 100 patients. A 5-gene combined rule incorporating a voting algorithm yielded 77% sensitivity and 85% specificity to predict recurrence in the training set, and 69% and 62%, respectively, in the test set. A singular 3-gene rule was constructed that predicted recurrence with 80% sensitivity and 90% specificity in the training set, and 71% and 67%, respectively, in the test set. Conclusions: Using primary nonmuscle invasive urothelial carcinoma from initial occurrences genetic programming identified transcripts in reproducible fashion, which were predictive of recurrence. These findings could potentially impact nonmuscle invasive urothelial carcinoma management.