精准预测乳腺癌的基因表达分类器：开辟早期检测与治疗新路径

研究人员开展乳腺癌基因表达分类器研究，精准预测乳腺癌，助力早期检测与治疗。

　　乳腺癌（BC）是全球女性中最常见的癌症类型。实体肿瘤是由多种细胞类型和细胞外基质成分组成的复杂结构。了解实体肿瘤对于开发有效的治疗方法至关重要。本研究旨在开发一种基因表达分类器，以高精度预测乳腺癌。研究首先通过对乳腺癌和相邻正常乳腺样本进行差异表达分析（DEA），确定了与癌症相关的最重要基因。随后使用 R 包 STRINGdb 构建蛋白质 - 蛋白质相互作用网络（PPI），以研究上调基因并寻找基因簇。进行富集分析以识别显著富集的生物学功能和通路。利用来自癌症基因组图谱（TCGA）的乳腺癌数据集开发了逻辑回归预测模型，并使用区分度和校准度指标进行评估。还通过定量分析研究了乳腺癌中 BUB1 的表达。研究识别出两个重要的基因簇，一个基因簇包含细胞周期检查点和 M 期关键通路，另一个则与细胞外基质组织相关。使用中心基因集（COMP、FN1、SDC1、BUB1、TTK 和 NUSAP1）构建的预测模型显示出高灵敏度（97.2%）和特异性（96.1%），曲线下面积（AUC）为 0.994。通过 PPI 网络确定了三个中心基因（COMP、FN1 和 SDC1），它们与细胞外基质组织密切相关，而 BUB1、TTK 和 NUSAP1 作为中心基因参与 M 期和细胞周期检查点。总体而言，该研究识别出能够准确区分癌症和正常样本的关键通路和基因，为早期癌症检测和改善乳腺癌治疗提供了有前景的新可能性。