论文部分内容阅读
利用较少分子信息预测肝细胞癌类型对患者的个性化治疗十分关键。探索已知的与肝细胞癌预后相关的信号通路,共发现41个关键基因。随后,运用机器学习的方法对其构建风险预测模型,并在4个肝细胞癌数据集上进行验证。结果显示,该模型能将肝细胞癌患者分成两个预后差异显著的类型:癌症基因图谱(The cancer genome atlas,TCGA)数据集交叉验证的平均log rank P值为0.03;其他测试数据集的log rank P 值分别为0.000 38、0.002 1和0.01。生物信息学分析显示肝细胞癌的预后