Hepatocellular carcinoma ni ugonjwa unaounda sehemu kubwa ya saratani za msingi zinazotokea kwenye ini na una mzigo mkubwa wa vifo kwa sababu mara nyingi hugunduliwa katika hatua ya juu. Alama za kibayolojia kama alpha-fetoprotein zinazotumiwa katika kliniki zinaweza kukosa unyeti na umahususi wa kutosha, hasa katika ugonjwa wa hatua ya mapema. Kwa sababu hiyo, sahihi za molekuli zinazoweza kutofautisha tishu ya uvimbe na tishu ya kawaida ya ini na ambazo pia zinaweza kuhusishwa na uhai wa jumla wa wagonjwa zinachunguzwa.

Katika utafiti huu, sampuli 371 za uvimbe na sampuli 50 za kawaida za ini kutoka kwenye kohoti ya TCGA-LIHC ya The Cancer Genome Atlas, pamoja na jumla ya sampuli 367 kutoka seti tatu za data za GEO, zilichunguzwa. Jeni 251 zilizokuwa na usemi tofauti kwa pamoja katika vyanzo vyote vinne vya data zilitambuliwa, 79 kati ya hizo zilichaguliwa kuwa sifa muhimu kwa kutumia algoriti ya Boruta, na sahihi ya mwisho ya jeni 24 iliundwa baada ya uchambuzi wa uhai.

Kati ya jeni zilizo katika sahihi ya mwisho, 20 zilionyeshwa kwa kiwango cha juu zaidi katika tishu ya uvimbe na nne kwa kiwango cha chini zaidi. Jeni hizo zilikusanyika katika michakato inayohusiana na biolojia ya saratani, kama vile ukarabati wa DNA, udhibiti wa mzunguko wa seli, utengano wa kromosomu, uundaji upya wa matriksi ya nje ya seli, udhibiti wa sitoskeletoni na mpito wa epithelial-mesenchymal.

Muundo wa random forest uliotumika katika sehemu za %80 za mafunzo na %20 za majaribio za data ya TCGA-LIHC ulitofautisha tishu ya uvimbe na tishu ya kawaida kwa usahihi wa %100 kwa kutumia sahihi ya jeni 24. Hata hivyo, seti ya majaribio ina sampuli 10 tu za kawaida na sampuli 75 za uvimbe. Muundo haujathibitishwa katika kohoti huru ya nje, haujalinganishwa na magonjwa mengine ya ini, na haijaelezwa kama mchakato wa kuchagua jeni ulifanywa kwa kujitegemea kabisa na mgawanyo wa mafunzo-majaribio. Kwa hiyo, utendaji mkamilifu ni matokeo yanayohitaji kuchunguzwa kwa uwezekano wa overfitting na kuvuja kwa data, badala ya kuwa kipimo kilicho tayari kwa matumizi ya kliniki.

Utafiti pia unaripoti kwamba kila moja ya jeni 24 ilionyesha uhusiano wa kitakwimu na uhai wa jumla. Hata hivyo, uchanganuzi unatokana na kulinganisha Kaplan-Meier na log-rank kwa kigezo kimoja. Hakuna muundo wa uhai wa vigezo vingi uliorekebishwa kulingana na hatua ya uvimbe, matibabu, kazi ya ini, cirrhosis, hali ya hepatitis ya virusi na vigezo vingine vya kliniki uliowasilishwa. Kwa hiyo, bado haijaonyeshwa kwamba jeni hizo ni viashiria huru vya prognostiki.

Jambo muhimu zaidi ni kwamba sahihi hii ya jeni 24 si kipimo cha damu katika hali yake ya sasa. Muundo unatofautisha tishu ya uvimbe na tishu ya kawaida ya ini katika wasifu wa usemi wa RNA uliopatikana kutoka kwa sampuli za tishu. Ili iweze kutumika kwa utambuzi wa mapema, upimaji kutoka kwenye mzunguko wa damu, kuepuka biopsy au uchunguzi wa kliniki, inahitaji kuthibitishwa katika makundi huru ya wagonjwa, tishu za ini zenye cirrhosis na tishu zisizo za saratani, na ikiwezekana katika tafiti za prospektivu.

Tatizo kuu la kliniki linaloshughulikiwa na utafiti

Hepatocellular carcinoma, kwa jina la Kiingereza hepatocellular carcinoma na kifupi HCC, ni uvimbe mbaya unaounda takriban %90 ya saratani za msingi za ini. Ugonjwa huu mara nyingi unaweza kuibuka katika mazingira ya magonjwa sugu ya ini kama maambukizi sugu ya hepatitis B au C, cirrhosis inayohusiana na pombe, ugonjwa wa ini lenye mafuta unaohusiana na hitilafu ya kimetaboliki, hemochromatosis na upungufu wa alpha-1 antitrypsin.

Mojawapo ya matatizo muhimu yanayopunguza mafanikio ya matibabu katika HCC ni kwamba uvimbe hugunduliwa katika hatua ya juu kwa wagonjwa wengi. Kwa uvimbe mdogo na uliobaki ndani ya ini, chaguo zenye lengo la kutibu kama surgical resection, upandikizaji wa ini au local ablation zinaweza kuzingatiwa; katika hatua ya juu, ugonjwa huwa mgumu zaidi kudhibiti kutokana na uvamizi wa mishipa, kupungua kwa akiba ya ini na kuenea kwa mbali.

Kwa hiyo, watafiti walijaribu kukidhi mahitaji mawili tofauti ya kliniki kwa kutumia paneli moja ya molekuli:

• Thamani ya utambuzi: Uwezo wa muundo wa usemi wa jeni kutofautisha tishu ya uvimbe na tishu ya kawaida ya ini.
• Thamani ya prognostiki: Kuhusiana kwa viwango vya juu au vya chini vya usemi wa jeni na uhai wa jumla wa wagonjwa.

Dhana za utambuzi na prognostiki ni tofauti. Kiashiria kinaweza kutofautisha vizuri sana tishu ya uvimbe na tishu ya kawaida lakini kisiweze kuonyesha mgonjwa ataishi kwa muda gani. Vilevile, jeni inayohusiana na uhai inaweza kutokuwa na uwezo wa kutosha wa kutofautisha kwa utambuzi wa mapema. Lengo la utafiti ni kuunganisha sifa hizi mbili katika mkusanyiko mmoja wa jeni.

Kwa nini AFP pekee haionekani kuwa ya kutosha?

Alpha-fetoprotein ni mojawapo ya alama za kibayolojia za serum zinazotumiwa sana katika HCC. Hata hivyo, utafiti unasisitiza kwamba AFP inaweza kuwa na unyeti na umahususi mdogo katika ugonjwa wa hatua ya mapema. Hata kwa baadhi ya wagonjwa wenye HCC ya hatua ya juu, AFP inaweza kubaki katika kiwango cha kawaida; magonjwa yasiyo ya saratani ya ini pia yanaweza kusababisha ongezeko la AFP.

Kwa hiyo, AFP iliyoongezeka haimaanishi saratani kila wakati, na kiwango cha kawaida cha AFP pia hakiiondoi HCC kwa uhakika. Sahihi ya jeni inayochunguzwa katika utafiti inalenga, kwa nadharia, kunasa muundo mpana zaidi wa biolojia ya uvimbe kuliko kiashiria kinachotegemea protini moja.

Hata hivyo, utafiti haukulinganisha moja kwa moja paneli ya jeni 24 na AFP. Pia haikujaribiwa kama inatoa faida ya ziada inapotumiwa pamoja na AFP. Kwa hiyo, utafiti hauonyeshi kwamba paneli ya jeni 24 ni bora kuliko AFP.

Vyanzo vya data vilivyotumiwa

Utafiti ulitumia kohoti moja ya TCGA na seti tatu za data za GEO:

Kuna jumla ya sampuli 738 katika seti nne za data. Hata hivyo, sampuli hizi zote hazikuunganishwa kuunda muundo mmoja wa ujifunzaji wa mashine. Kohoti za GEO zilitumiwa kutambua jeni za pamoja zenye usemi tofauti; muundo wa uainishaji uliundwa katika kohoti ya TCGA-LIHC na kutathminiwa katika seti ya majaribio iliyotengwa kutoka ndani ya kohoti hiyo hiyo.

Tofauti hii ni muhimu sana. Kutumia data ya GEO katika uteuzi wa jeni hakumaanishi kwamba kiainishi cha jeni 24 kilifanyiwa uthibitishaji wa nje katika kohoti za GEO.

Mtiririko wa uchambuzi wa utafiti

Katika mpangilio wa utafiti, mchakato unaendelea kwa mpangilio ufuatao:

1. Kupata data za usemi wa jeni za TCGA-LIHC na GEO,
2. Uchambuzi wa usemi tofauti wa jeni kati ya uvimbe na tishu ya kawaida katika kila seti ya data,
3. Kutambua jeni 251 zinazopatikana kwa pamoja katika seti zote nne za data,
4. Kuchagua sifa muhimu kutoka kwa jeni 251 kwa kutumia algoriti ya Boruta,
5. Kujenga kiainishi cha random forest kwa kutumia jeni 79 zilizothibitishwa,
6. Kuchunguza uhusiano wa jeni 79 na uhai wa jumla kupitia GEPIA2,
7. Kuingiza jeni 24 zenye P<0,05 katika sahihi ya mwisho,
8. Kutathmini tofauti za usemi wa jeni 24 kati ya uvimbe na tishu ya kawaida,
9. Kujenga muundo wa pili wa random forest kwa kutumia sahihi ya jeni 24,
10. Kutafsiri kazi za kibayolojia za jeni kwa kuzingatia fasihi iliyopo.

Usemi tofauti wa jeni unamaanisha nini?

Kusema kwamba jeni “ina usemi tofauti” kunamaanisha kwamba kiasi cha RNA kinachohusiana na jeni hiyo kinaonyesha tofauti yenye maana ya kitakwimu na kibayolojia kati ya makundi mawili yanayolinganishwa. Katika utafiti huu, tishu ya uvimbe ililinganishwa na tishu ya kawaida ya ini.

Mojawapo ya viashiria vya msingi vya mabadiliko ya usemi wa jeni ni fold change. Kwa madhumuni ya ufafanuzi, uhusiano wa msingi unaonyeshwa kama ifuatavyo:

\[ \log_2FC = \log_2 \left(\frac{\text{Tümör grubundaki ifade}}{\text{Normal gruptaki ifade}}\right) \]

Hapa log₂FC ni mabadiliko ya mara katika logariti yenye msingi wa mbili.

• log₂FC=1 inaonyesha kwamba usemi katika kundi la uvimbe ni takriban mara mbili zaidi.
• log₂FC=-1 inaonyesha kwamba usemi katika kundi la uvimbe ni takriban nusu ya ule wa kundi la kawaida.
• Thamani chanya zinaonyesha up-regulation, na thamani hasi zinaonyesha down-regulation.

Katika uchambuzi wa TCGA-LIHC, jeni zilikubaliwa kuwa muhimu ikiwa kiwango cha false discovery rate kilikuwa FDR<0,01 na absolute log fold change ilikuwa |logFC|>1,5.

FDR inalenga kudhibiti matokeo chanya ya uongo yanayoweza kutokea wakati maelfu ya jeni yanajaribiwa kwa wakati mmoja. Hata kama thamani ghafi ya P ya jeni ni ndogo, wakati majaribio mengi yanafanywa baadhi ya matokeo yanaweza kuonekana kuwa muhimu kwa bahati pekee.

Data ya TCGA-LIHC ilichakatwaje?

Data ya TCGA-LIHC ilichakatwa kwa kutumia kifurushi cha R cha TCGAbiolinks. Hatua zilizoripotiwa katika utafiti ni hizi:

• Kuchuja sampuli zenye ubora wa chini kwa kutumia kizingiti cha correlation 0,6,
• Kufanya normalization ya tofauti za kiufundi zinazoweza kutokana na maudhui ya GC ya jeni,
• Kuondoa jeni zenye utofauti mdogo kwa kutumia kizingiti cha quantile 0,25,
• Kulinganisha tishu za kawaida na za uvimbe,
• Kutumia vizingiti vya FDR<0,01 na |logFC|>1,5.

Kutokana na uchambuzi huu, jeni 4.412 zenye usemi tofauti zilitambuliwa katika kohoti ya TCGA-LIHC. Kati ya hizo, 3.687 zilikuwa na usemi wa juu zaidi katika tishu ya uvimbe na 725 zilikuwa na usemi wa chini zaidi.

Seti za data za GEO zilichambuliwaje?

DESeq2 ilitumika katika seti tatu za data za GEO. Kwanza, jeni zenye jumla ya idadi ya reads chini ya 100 katika sampuli zote ziliondolewa, kisha muundo wa generalized linear model unaotegemea negative binomial distribution ulitumika.

Muundo wa msingi wa counts unaotumiwa katika DESeq2 unaweza kuonyeshwa kwa madhumuni ya ufafanuzi kama ifuatavyo:

\[ K_{ij} \sim NB(\mu_{ij}, \alpha_i) \]

Hapa:

• K_ij ni idadi ya reads za RNA za jeni i katika sampuli j.
• NB inaonyesha negative binomial distribution.
• μ_ij ni wastani wa counts unaotarajiwa.
• α_i ni parameter ya dispersion au mtawanyiko maalumu kwa jeni.

Katika uchambuzi wa GEO, kizingiti cha adjusted P<0,05 kilitumika. Zaidi ya hayo, kwa orodha iliyopangwa ya jeni na makadirio salama ya ukubwa wa athari, kazi ya deseq2 confects ilitumika kwa thamani ya hatua 0,5.

Idadi ya jeni zenye usemi tofauti katika seti nne za data

Tofauti kubwa sana katika idadi ya jeni zenye usemi tofauti kati ya seti za data inastahili kuzingatiwa. Katika GSE62232 jeni 16.290 zilipatikana kuwa muhimu, wakati katika GSE112790 zilipatikana jeni 131 tu. Tofauti hii inaweza kuhusishwa na ukubwa wa sampuli, jukwaa la upimaji, ubora wa data, sifa za wagonjwa, normalization, heterogeneity ya uvimbe na vizingiti vilivyotumika.

Utafiti ulitumia masharti tofauti ya umuhimu katika seti tofauti za data. Katika TCGA kuna FDR pamoja na kizingiti cha maana cha fold change, wakati katika sehemu ya GEO adjusted P value ilitumika kama msingi. Tofauti hii inaweza kuathiri idadi ya jeni kati ya seti za data na mkusanyiko wa jeni za pamoja.

Volcano plots zilionyesha nini?

Volcano plots zinaonyesha mabadiliko ya usemi na umuhimu wa kitakwimu wa kila jeni katika eneo moja. Mhimili wa mlalo unaonyesha log fold change, na mhimili wa wima kwa kawaida unaonyesha negative logarithm ya P value.

Katika grafu:

• Nukta za kijani zinaonyesha jeni zilizopandishwa katika tishu ya uvimbe,
• Nukta nyekundu zinaonyesha jeni zilizoshushwa,
• Nukta nyeusi zinaonyesha jeni ambazo hazikukubaliwa kuwa muhimu.

Jeni katika sehemu ya juu kulia ya grafu zina usemi wa juu zaidi katika uvimbe na tofauti yenye nguvu ya kitakwimu, wakati zile za sehemu ya juu kushoto ni wagombea wenye nguvu wenye usemi wa chini zaidi katika uvimbe.

Jeni 251 za pamoja zilitambuliwaje?

Jeni zenye usemi tofauti katika TCGA-LIHC, GSE57957, GSE62232 na GSE112790 zilikatizwa kwa kutumia zana ya Venny. Jeni 251 zilipatikana katika sehemu ya pamoja ya seti zote nne za data.

Jeni kuonyesha usemi tofauti katika vyanzo vinne huru vya data kunalenga kupunguza matokeo ya kiufundi au ya sampuli yanayoweza kuwa mahususi kwa seti moja tu ya data. Hata hivyo, kuwa ya pamoja pekee hakumaanishi kwamba jeni ni mahususi kwa HCC. Jeni hiyo hiyo inaweza pia kubadilika katika saratani nyingine, uvimbe, fibrosis au ukuaji wa haraka wa seli.

Uteuzi wa sifa kwa algoriti ya Boruta

Kuingiza jeni zote 251 za pamoja katika muundo kunaweza kuongeza hatari ya overfitting kwa sababu ya kutumia idadi kubwa ya vigezo ikilinganishwa na idadi ya sampuli. Kwa hiyo, watafiti walitumia algoriti ya Boruta pamoja na muundo wa random forest.

Boruta huunda nakala za “shadow” zilizochanganywa kwa nasibu kwa kila kigezo halisi. Ikiwa umuhimu wa jeni halisi katika muundo huwa juu kwa uthabiti kuliko sifa za shadow za nasibu, jeni hiyo hukubaliwa kuwa sifa iliyothibitishwa.

Matokeo ya Boruta kwa jeni 251 yalikuwa kama ifuatavyo:

• Jeni 79: Sifa zilizothibitishwa
• Jeni 13: Sifa zisizo na uamuzi au za muda
• Jeni 159: Sifa zilizokataliwa

Lengo kuu la Boruta si kupata mkusanyiko mdogo zaidi wa jeni, bali kuhifadhi sifa zote muhimu zinazoweza kuhusiana na matokeo. Kwa hiyo, mkusanyiko wa jeni 79 bado ni mpana.

Muundo wa random forest hufanyaje kazi?

Random forest ni muundo wa ensemble unaoundwa na miti mingi ya maamuzi. Kila mti hufunzwa kwa kutumia sehemu ndogo zilizochaguliwa kwa nasibu za sampuli za data na jeni. Darasa la mwisho huamuliwa kwa kura ya wengi ya miti.

Kwa madhumuni ya ufafanuzi, uamuzi wa uainishaji unaweza kuonyeshwa kwa uhusiano wa msingi ufuatao:

\[ \hat{y} = \operatorname{mode}\{T_1(x), T_2(x), \ldots, T_B(x)\} \]

Hapa:

• x ni wasifu wa usemi wa jeni wa sampuli ya tishu.
• T_b ni utabiri wa kila mti wa maamuzi wa kawaida au uvimbe.
• B ni jumla ya idadi ya miti.
• ŷ ni darasa la mwisho linaloamuliwa kwa kura ya wengi.

Utafiti hauonyeshi kwa undani idadi ya miti iliyotumiwa, kina cha miti, idadi ya jeni zilizotathminiwa katika kila mgawanyiko, uzani wa madarasa na thamani ya mwanzo ya nasibu. Upungufu huu hufanya iwe vigumu kuzalisha upya muundo kwa usahihi sawa.

Utendaji wa muundo wa kwanza wa jeni 79

Data ya TCGA-LIHC iligawanywa kwa nasibu kuwa seti ya %80 ya mafunzo na %20 ya majaribio:

Muundo wa jeni 79 uliainisha kwa usahihi sampuli zote katika seti ya mafunzo. Katika seti ya majaribio, sampuli 84 kati ya 85 ziliainishwa kwa usahihi na moja iliainishwa vibaya. Usahihi wa jumla ulioripotiwa ni %98,8.

Katika confusion matrix, sampuli zote 10 za kawaida zilionyeshwa kuwa kawaida, sampuli 74 kati ya 75 za uvimbe zilionyeshwa kuwa uvimbe, na moja ilionyeshwa kuwa kawaida. Kwa hiyo, sampuli pekee iliyoainishwa vibaya ilikuwa sampuli ya uvimbe.

Kuna kutokuwa wazi kwa mwelekeo wa tafsiri kati ya thamani za precision na recall kwa kila darasa zilizo katika jedwali na seli za confusion matrix. Kulingana na jinsi safu na nguzo za matrix zilivyofafanuliwa kuwa madarasa halisi na yaliyotabiriwa, thamani za precision na recall zinaonekana kubadilishana nafasi. Ingawa suala hili la kuripoti halibadilishi tafsiri kuu, linahitaji kuthibitisha upya metrics.

Usahihi, precision, unyeti na alama ya F1

Fomula zifuatazo hazikuandikwa wazi katika utafiti; zimeongezwa kwa madhumuni ya kueleza maana ya vipimo vya utendaji vilivyoripotiwa:

\[ \mathrm{Accuracy} = \frac{TP+TN}{TP+TN+FP+FN} \]

\[ \mathrm{Precision} = \frac{TP}{TP+FP} \]

\[ \mathrm{Recall} = \frac{TP}{TP+FN} \]

\[ F1 = 2 \times \frac{\mathrm{Precision}\times\mathrm{Recall}}{\mathrm{Precision}+\mathrm{Recall}} \]

Hapa:

• TP: Sampuli za uvimbe zilizoainishwa kwa usahihi kuwa uvimbe,
• TN: Sampuli za kawaida zilizoainishwa kwa usahihi kuwa kawaida,
• FP: Sampuli za kawaida zilizoitwa uvimbe kimakosa,
• FN: Sampuli za uvimbe zilizoitwa kawaida kimakosa.

Katika utambuzi wa saratani, usahihi wa jumla pekee hautoshi. Ikiwa idadi ya sampuli za kawaida ni ndogo, muundo unaweza kupata usahihi wa juu hata kwa kuainisha sampuli zote kuwa uvimbe. Kwa hiyo, mgawanyo wa madarasa, unyeti, umahususi, positive predictive value na uthibitishaji huru vinapaswa kutathminiwa pamoja.

Jeni 24 zinazohusiana na uhai wa jumla

Jeni 79 zilizochaguliwa na Boruta ziliingizwa katika uchambuzi wa uhai kupitia GEPIA2. Kwa kila jeni, wagonjwa waligawanywa katika makundi ya usemi wa juu na wa chini kulingana na kiwango cha kati cha usemi, mikunjo ya Kaplan-Meier iliundwa na jaribio la log-rank likatumika.

Jeni 24 zenye P<0,05 zilijumuishwa katika sahihi ya mwisho:

COL24A1, RAD51, CLSPN, ECT2, IQGAP3, ARHGAP11A, CCL23, SNHG4, PLK4, DNAJC6, BAIAP2L2, PIF1, FANCD2, BUB1, TMC7, CENPI, COL9A1, COL25A1, STRA6, KIAA1841, RANBP3L, DIRAS2, CREG2 na FANCB.

Uchambuzi wa Kaplan-Meier hupima nini?

Mbinu ya Kaplan-Meier hukadiria uwezekano wa kuendelea kuwa hai hadi muda fulani. Uhusiano wa msingi kwa madhumuni ya ufafanuzi ni kama ifuatavyo:

\[ \hat{S}(t) = \prod_{t_i \leq t}\left(1-\frac{d_i}{n_i}\right) \]

Hapa:

• S(t) ni uwezekano wa kuendelea kuwa hai hadi muda t.
• d_i ni idadi ya vifo vilivyotokea katika muda husika.
• n_i ni idadi ya wagonjwa waliokuwa katika hatari wakati huo.

Jaribio la log-rank hutathmini kama kuna tofauti ya kitakwimu kati ya mikunjo ya uhai ya makundi yenye usemi wa juu na wa chini wa jeni.

Hata hivyo, kupata P<0,05 hakumaanishi kwamba jeni husababisha moja kwa moja uhai au kwamba ni sababu huru ya prognostiki. Usemi wa jeni unaweza kubadilika pamoja na hatua ya uvimbe, daraja la histolojia, uvamizi wa mishipa au sifa nyingine kali za kibayolojia.

Umuhimu wa majaribio mengi ya uhai

Majaribio tofauti ya uhai yalifanywa kwa jumla ya jeni 79. Maandishi hayataji kwamba FDR au marekebisho mengine ya multiple comparison yalitumika kwa majaribio haya.

Wakati hipotesia nyingi zinajaribiwa kwa wakati mmoja, kutumia kizingiti cha P<0,05 pekee huongeza uwezekano kwamba baadhi ya jeni zitaonekana kuwa muhimu kwa bahati. Kwa hiyo, mkusanyiko wa prognostiki wa jeni 24 unahitaji kuthibitishwa tena katika kohoti huru na katika miundo ya Cox ya vigezo vingi iliyorekebishwa.

Mwelekeo wa usemi wa jeni 24 katika tishu za uvimbe na za kawaida

Kati ya jeni 24 za sahihi ya mwisho, 20 zilionyeshwa kwa kiwango cha juu zaidi katika tishu ya uvimbe na nne kwa kiwango cha chini zaidi.

Katika box plots, mgawanyo wa usemi wa sampuli za kawaida na za uvimbe hutengana kwa uwazi kwa jeni nyingi zilizopandishwa. Katika CCL23, COL25A1 na RANBP3L, usemi katika tishu ya kawaida unaonekana kuwa wa juu zaidi. DIRAS2 pia iliainishwa kuwa jeni iliyoshushwa; hata hivyo, kuna utofauti kati ya sampuli katika mgawanyo wake.

Utendaji wa utambuzi ulioripotiwa wa muundo wa jeni 24

Muundo wa pili wa random forest uliojengwa kwa sahihi ya jeni 24 uliainisha kwa usahihi sampuli zote katika seti ya mafunzo na ya majaribio:

Katika grafu ya ROC, eneo chini ya curve limeonyeshwa kama AUC=1,00. Tafsiri ya msingi ya AUC ni uwezekano kwamba sampuli ya uvimbe iliyochaguliwa kwa nasibu itapata alama ya muundo iliyo juu zaidi kuliko sampuli ya kawaida iliyochaguliwa kwa nasibu.

AUC=1,00 ina maana ya utengano mkamilifu katika seti ya majaribio iliyochunguzwa. Hata hivyo, thamani hii haionyeshi kwamba muundo utafanya kazi kikamilifu pia kwa wagonjwa wapya.

Kwa nini utendaji mkamilifu unapaswa kufasiriwa kwa tahadhari?

Makala yenyewe pia inakubali kwamba utendaji mkamilifu unazua wasiwasi wa overfitting. Kuna sababu kadhaa za kiufundi za wasiwasi huu.

Seti ya majaribio ni ndogo

Seti ya majaribio ina sampuli 85 tu, na kati ya hizo ni sampuli 10 tu za kawaida za ini. Kuainishwa vibaya kwa sampuli moja tu ya kawaida kungebadilisha kwa kiasi kikubwa utendaji wa darasa la kawaida.

Madarasa hayana uwiano

Katika kohoti ya TCGA-LIHC, kuna sampuli 50 tu za kawaida dhidi ya sampuli 371 za uvimbe. Kutokuwiana huku kunaweza kuathiri mafunzo ya muundo na vipimo vya utendaji. Maelezo ya class weighting, balancing au stratified sampling hayajatolewa katika utafiti.

Hakuna uthibitishaji wa nje

Kohoti za GEO zilitumiwa kupata jeni za pamoja, lakini kiainishi cha random forest cha jeni 24 hakikujaribiwa katika kohoti hizi huru. Kutathmini muundo katika sehemu ya majaribio iliyotengwa tu ndani ya TCGA ni uthibitishaji wa ndani.

Uwezekano wa kuvuja kwa data haujaelezwa vya kutosha

Maandishi yanaonyesha mtiririko wa kazi unaodokeza kwamba jeni 251 za pamoja na sifa za Boruta zilichaguliwa kwa kutumia data yote ya TCGA-LIHC, kisha seti ya data ikagawanywa %80-%20. Ikiwa uteuzi wa sifa ulifanywa baada ya kuona pia sampuli za majaribio, taarifa kutoka kwenye seti ya majaribio inaweza kuwa imevuja kwa njia isiyo ya moja kwa moja hadi kwenye muundo.

Katika tathmini ya kuaminika, data hugawanywa kwanza kuwa mafunzo na majaribio; normalization, uteuzi wa sifa, Boruta na hyperparameter tuning hufanywa kwenye seti ya mafunzo pekee. Seti ya majaribio huachwa bila kuguswa kabisa hadi hatua ya mwisho. Utafiti hauelezi wazi kama taratibu hizi zilifanywa kwa kuingiliana au kwa kujitegemea.

Mgawanyo mmoja tu wa nasibu ulitumika

Utendaji wa muundo unaonekana kutegemea mgawanyo mmoja wa %80-%20. Haijaripotiwa jinsi utendaji unavyobadilika katika migawanyo tofauti ya nasibu, repeated cross-validation au bootstrap samples.

Ulinganisho na tishu ya kawaida una mipaka ya kliniki

Muundo ulitofautisha tishu ya uvimbe na tishu ya kawaida ya ini. Swali gumu zaidi katika kliniki ni kutofautisha kidonda kidogo cha HCC na cirrhosis, dysplastic nodule, regenerative nodule, hepatitis au uvimbe usio wa saratani wa ini. Makundi haya hayakujaribiwa katika muundo.

Je, paneli hii ni kipimo cha damu?

Hapana. Data zilizotumiwa katika utafiti zilitokana na viwango vya usemi wa RNA katika tishu za ini. Kwa hiyo, sahihi ya jeni 24 katika hali yake ya sasa si kipimo cha serum, plasma au aina nyingine ya liquid biopsy.

Ili paneli inayotegemea tishu itumike katika utambuzi wa kliniki, kwa kawaida biopsy au nyenzo ya upasuaji huhitajika. Haja kuu katika uchunguzi wa mapema wa HCC mara nyingi ni kuweza kugundua ugonjwa bila kufikia tishu ya uvimbe.

Ili paneli hii ibadilishwe kuwa kipimo cha damu, inapaswa kuonyeshwa kwamba RNA husika zinaweza kupimwa kwa kuaminika katika circulating cell-free RNA, exosomes zinazotokana na uvimbe au circulating tumor cells. Uchambuzi wa aina hiyo haukufanywa katika utafiti huu.

Mada za kibayolojia za sahihi ya jeni

Watafiti walifasiri jeni 24 chini ya mada tatu pana za biolojia ya saratani:

• Kutokuwa thabiti kwa jenomu na mwitikio wa uharibifu wa DNA,
• Kuvurugika kwa mzunguko wa seli na utengano wa kromosomu,
• Mazingira madogo ya uvimbe na uundaji upya wa matriksi ya nje ya seli.

Ukarabati wa DNA na kutokuwa thabiti kwa jenomu

Usemi wa juu wa jeni za ukarabati wa DNA unaweza kwa mtazamo wa kwanza kuonekana kama hali inayokandamiza uvimbe. Katika seli za kawaida, ukarabati wa DNA hulinda uadilifu wa jenomu. Hata hivyo, katika seli za saratani, ukarabati wenye nguvu wa DNA unaweza kusaidia seli kuendelea kuishi licha ya replication stress kubwa na uharibifu wa DNA.

Kwa hiyo, njia hiyo hiyo inaweza kuwa ya kinga katika tishu ya kawaida lakini katika uvimbe uliokua inaweza kusaidia upinzani wa matibabu au kustahimili uharibifu. Kwa kuwa utafiti haukubadilisha kazi za jeni hizi kwa majaribio, utaratibu huu haujathibitishwa moja kwa moja.

Mzunguko wa seli na utengano wa kromosomu

Checkpoints za mzunguko wa seli zinalenga kusimamisha mgawanyiko wa seli yenye DNA iliyoharibika au yenye kasoro. Kuvurugika kwa mifumo hii kunaweza kusababisha kromosomu kusambazwa kwa idadi isiyo sahihi au kwa namna isiyo sahihi kwenda kwenye seli binti.

Kutokuwa thabiti kwa kromosomu kunaweza kuongeza heterogeneity ndani ya uvimbe. Makundi madogo ya seli yenye sifa tofauti za kijeni yanapotokea ndani ya uvimbe mmoja, maendeleo ya ugonjwa, metastasis na upinzani wa matibabu yanaweza kuwa magumu zaidi.

Matriksi ya nje ya seli na jeni za collagen

Matriksi ya nje ya seli ni mtandao wa collagen, glycoproteins na molekuli nyingine za kimuundo zinazozunguka seli za uvimbe. Mtandao huu hautoi tu msaada wa kimaumbile; pia unaweza kuathiri mwendo wa seli, ishara za ukuaji, uundaji wa mishipa na ufikiaji wa seli za kinga.

Katika ini lenye cirrhosis tayari kuna fibrosis kubwa na mabadiliko ya matriksi. Seli za HCC zinaweza kutumia sifa za kimitambo na kibaokemia za mazingira haya kuongeza uwezo wa uvamizi na kuenea.

Mwendo wa seli, sitoskeletoni na mpito wa epithelial-mesenchymal

Mpito wa epithelial-mesenchymal ni programu ya kibayolojia ambayo seli za uvimbe zenye sifa za epithelial hupunguza miunganisho kati ya seli na kupata sifa za kuwa na mwendo zaidi na kuvamia zaidi. Mchakato huu unaweza kuhusishwa na metastasis; hata hivyo, usemi wa juu wa jeni moja pekee hauonyeshi kwamba mgonjwa atapata metastasis.

Jeni nyingine na wagombea wenye taarifa chache

SNHG4 imehusishwa, kama long non-coding RNA, na ugonjwa wa hatua ya juu na uhai duni. Ingawa TMC7, KIAA1841, CREG2 na PLK4 zimewahi kuonekana katika sahihi mbalimbali za prognostiki, kazi ya moja kwa moja ya baadhi ya jeni katika HCC haijaelezwa vya kutosha.

BAIAP2L2 pia imo katika sahihi ya mwisho, lakini nafasi yake mahususi ya kiutendaji katika HCC haikuonyeshwa kwa majaribio ya kina katika utafiti.

Kupotea kwa CCL23, mojawapo ya jeni zilizoshushwa, kulingana na tafsiri ya fasihi katika utafiti, kunaweza kupunguza athari ya kukandamiza uvimbe ya signaling ya CCR1/AKT/ESR1. RANBP3L na DIRAS2 zilitathminiwa kuwa wagombea wanaowezekana wa kukandamiza uvimbe; hata hivyo, kazi zao katika saratani ya ini hazijathibitishwa moja kwa moja.

Je, paneli ya jeni 24 kweli ni ya prognostiki?

Utafiti unaripoti kwamba kulikuwa na tofauti ya uhai wa jumla kati ya makundi ya usemi wa juu na wa chini kwa kila jeni. Hii inaonyesha kwamba jeni ni wagombea wa prognostiki. Hata hivyo, ushahidi zaidi unahitajika kabla ya kukubaliwa kama alama za kibayolojia za prognostiki za kliniki.

Utafiti haujawasilisha uchambuzi ufuatao:

• Cox regression iliyorekebishwa kwa hatua ya uvimbe,
• Marekebisho kwa daraja la kazi ya ini au hali ya cirrhosis,
• Uchambuzi wa makundi madogo kulingana na hali ya hepatitis ya virusi,
• Marekebisho kwa uvamizi wa mishipa, idadi au ukubwa wa uvimbe,
• Kuingiza aina ya matibabu katika muundo,
• Fomula wazi ya kihisabati inayounganisha jeni 24 katika risk score moja,
• Uthibitishaji huru wa makundi ya hatari ndogo na kubwa kulingana na risk score,
• C-index, time-dependent ROC au uchambuzi wa calibration.

Kwa hiyo, kauli “sahihi ya prognostiki ya jeni 24” katika hatua hii inategemea kupatikana kwa uhusiano wa kila jeni moja moja na uhai. Bado hakuna alama ya prognostiki iliyoainishwa kwa matumizi ya kliniki, yenye uzani uliowekwa na iliyothibitishwa katika kohoti ya nje.

Maana inayowezekana kwa maisha ya kila siku na matumizi ya kliniki

Lengo la muda mrefu la tafiti za aina hii ni kubadilisha utofauti wa molekuli wa saratani ya ini kuwa sahihi inayoweza kupimwa. Katika siku zijazo, paneli ya jeni iliyothibitishwa inaweza kutathminiwa katika maeneo yafuatayo:

• Kusaidia kutambua kama tishu ya ini inayotiliwa shaka ni uvimbe,
• Kutofautisha uvimbe wenye sifa kali za kibayolojia,
• Kuamua kiwango cha ufuatiliaji kwa wagonjwa walio katika hatari kubwa ya kurudia au kifo,
• Kuelekeza utafiti kwenye njia maalumu za ukarabati wa DNA au mzunguko wa seli,
• Kutoa taarifa ya ziada ya molekuli kwa mbinu zilizopo kama AFP na imaging.

Hata hivyo, hakuna mojawapo ya uwezekano huu uliojaribiwa kliniki katika utafiti wa sasa. Utafiti si jaribio la matumizi ya prospektivu linalobadilisha usimamizi wa mgonjwa.

Nguvu za utafiti

• Utafiti ulilenga jeni zenye usemi tofauti kwa pamoja katika seti moja ya TCGA na seti tatu za data za GEO.
• Makutano ya vyanzo vinne vya data yalitumiwa kupunguza wagombea mahususi kwa seti moja ya data.
• Usemi tofauti wa kitakwimu, ujifunzaji wa mashine na uchambuzi wa uhai viliunganishwa katika mtiririko mmoja.
• Umuhimu wa vigezo ulitathminiwa dhidi ya sifa za shadow za nasibu kwa kutumia mbinu ya Boruta.
• Mkusanyiko mpana wa jeni 79 ulipunguzwa hadi jeni 24 kulingana na uhusiano na uhai.
• Mwelekeo wa usemi wa jeni za mwisho katika tishu za uvimbe na za kawaida ulionyeshwa mmoja mmoja.
• Jeni zilifasiriwa katika makundi ya kiutendaji yenye maana, kama ukarabati wa DNA, mzunguko wa seli na biolojia ya matriksi.
• Vyanzo vya data vilivyotumiwa vinapatikana kwa umma.
• Utafiti wenyewe unakubali uwezekano wa overfitting na haja ya uthibitishaji wa nje.

Mapungufu ya utafiti

• Hakuna peer review: Utafiti ni preprint.
• Muundo wa retrospective: Unategemea sampuli zilizokusanywa awali katika hifadhidata za umma.
• Hakuna uthibitishaji wa nje wa muundo: Kiainishi cha jeni 24 hakikujaribiwa katika kohoti huru za GEO.
• Seti ndogo ya majaribio: Seti ya majaribio ina sampuli 10 tu za kawaida na sampuli 75 za uvimbe.
• Kutokuwiana kwa madarasa: Katika kohoti ya TCGA, idadi ya tishu za kawaida ni ndogo sana kuliko idadi ya uvimbe.
• Utendaji mkamilifu: Mafanikio ya %100 katika majaribio yanaibua uwezekano wa overfitting au kuvuja kwa data.
• Kutokuwa wazi kwa mpangilio wa uchambuzi: Haijaelezwa vya kutosha kama uteuzi wa sifa na kichujio cha uhai vilifanywa ndani ya seti ya mafunzo au kwenye data yote.
• Mgawanyo mmoja wa data: Repeated cross-validation au uthibitishaji huru haukuripotiwa.
• Maelezo ya hyperparameters ni machache: Mipangilio kamili ya muundo wa random forest haijatolewa.
• Ulinganisho wa tishu ya kawaida: Utendaji wa kutofautisha na cirrhosis, hepatitis, dysplastic nodule na uvimbe usio wa saratani haukufanyiwa majaribio.
• Data inayotegemea tishu: Utafiti haukuunda kipimo cha damu au liquid biopsy.
• Uchambuzi wa uhai ni wa kigezo kimoja: Hakuna matokeo yaliyorekebishwa kwa hatua na sababu nyingine za kliniki.
• Marekebisho ya multiple testing hayajaelezwa: Kizingiti cha P<0,05 pekee kilitumika kwa majaribio 79 ya uhai.
• Hakuna fomula ya risk score: Hakuna alama ya prognostiki yenye uzani inayounganisha jeni 24 iliyowasilishwa.
• Hakuna ulinganisho na AFP: Paneli haikujaribiwa kama ni bora kuliko AFP au kama inatoa faida ya ziada kwa AFP.
• Heterogeneity ya kliniki ilishughulikiwa kwa kiasi kidogo: Hali ya hepatitis, sababu ya cirrhosis, hatua ya uvimbe na aina ndogo za molekuli hazikutathminiwa.
• Hakuna uthibitishaji wa majaribio: Kazi za jeni hazikujaribiwa katika seli, organoid au mifano ya wanyama.
• Baadhi ya jeni hazijaelezwa vya kutosha: Nafasi ya wagombea kama COL25A1, TMC7, KIAA1841 na BAIAP2L2 katika HCC haijulikani vizuri.

Utafiti unasema nini?

• Jeni 251 zenye usemi tofauti kwa pamoja zilipatikana katika seti nne za data.
• Uchambuzi wa Boruta ulichagua jeni 79 kati ya hizo kuwa sifa muhimu.
• Muundo wa random forest ndani ya TCGA-LIHC ulionyesha utendaji wa juu sana wa majaribio ya ndani kwa kutumia jeni 79.
• Kati ya jeni sabini na tisa, 24 zilipatikana kuhusiana na uhai wa jumla kwa P<0,05 katika uchambuzi wa uhai wa kigezo kimoja.
• Sahihi ya mwisho ina jeni 20 zilizopandishwa na jeni nne zilizoshushwa.
• Muundo wa jeni 24 uliainisha kwa usahihi sampuli zote katika seti ya majaribio ya ndani ya TCGA.
• Jeni zimekusanyika katika michakato ya ukarabati wa DNA, mzunguko wa seli, kutokuwa thabiti kwa kromosomu, uundaji upya wa matriksi na signaling ya seli.
• Sahihi ni mgombea wa utambuzi na prognostiki anayehitaji uthibitishaji huru.

Utafiti hausemi nini?

• Hauonyeshi kwamba paneli iko tayari kwa matumizi ya kliniki.
• Hauonyeshi kwamba paneli inaweza kupimwa kutoka kwenye sampuli ya damu.
• Haithibitishi kwamba inatofautisha HCC ya hatua ya mapema na cirrhosis au ugonjwa usio wa saratani wa ini.
• Haithibitishi kwamba utendaji wa %100 utajirudia kwa wagonjwa wapya.
• Hauonyeshi kwamba jeni 24 zinasababisha HCC.
• Haithibitishi kwamba jeni zina thamani ya prognostiki huru ya hatua ya uvimbe.
• Hauonyeshi kwamba paneli ni bora kuliko AFP au inaweza kuchukua nafasi ya AFP.
• Hauonyeshi kwamba jeni yoyote ni shabaha ya matibabu iliyothibitishwa.
• Haujajaribu kama matibabu yanayolenga jeni hizi yanaongeza uhai wa wagonjwa.
• Hautoi uamuzi wa kliniki, uchaguzi wa matibabu au dhamana ya usalama.

Mbinu na Matokeo ya Utafiti

Muhtasari wa kiufundi wa mbinu

Muhtasari wa kiufundi wa sahihi ya jeni 24

Muhtasari uliopangwa wa matokeo makuu

Maelezo ya Chanzo na Mbinu

Maudhui haya yanategemea utafiti ulioandaliwa na Oluwafemi Ogundare wenye kichwa “A 24-Gene Signature with Diagnostic and Prognostic Value in Hepatocellular Carcinoma: An Integrative RNA-seq and Machine Learning Analysis”.

Utafiti ni preprint iliyochapishwa kwenye SSRN. Maandishi yana kauli ya wazi “This preprint research paper has not been peer reviewed”. Kwa hiyo, utafiti haujapitia tathmini huru ya peer review na mbinu, matokeo au tafsiri zinaweza kubadilika katika matoleo yajayo.

Utafiti si jaribio la kliniki lililosajili wagonjwa wapya, si jaribio la in vitro, si utafiti wa wanyama wala kipimo cha utambuzi cha prospektivu. Ni uchambuzi wa kikokotozi wa data za kihistoria za usemi wa jeni zilizopo katika hifadhidata za TCGA-LIHC na GEO. Kwa kuwa data zilizotumiwa zinapatikana kwa umma, imeelezwa kwamba idhini tofauti ya bodi ya maadili na ridhaa ya washiriki hazikutumika.

Mwandishi pekee wa utafiti ni Oluwafemi Ogundare. Mwandishi ameripoti kuwajibika kwa muundo wa utafiti, uchambuzi, tafsiri na utayarishaji wa makala yote. Imeelezwa kwamba hakukuwa na ufadhili maalumu. Mwandishi alitangaza kuwa ana patent isiyohusiana na utafiti huu na kwamba haikuathiri utafiti.

Utendaji wa %100 wa majaribio ya ndani wa muundo wa jeni 24 haupaswi kufasiriwa kuwa uthibitishaji huru wa kliniki. Kwa sababu ya seti ndogo ya majaribio, kutokuwiana kati ya kawaida na uvimbe, kutokuwepo kwa uthibitishaji wa nje na kutofafanuliwa vya kutosha kwa uwezekano wa kuvuja kwa data katika mtiririko wa uchambuzi, matokeo yana tabia ya uchunguzi wa awali.

Paneli inategemea data ya usemi wa RNA ya tishu; katika hali yake ya sasa si kipimo cha damu. Ili itumike kwa utambuzi wa mapema, uchunguzi wa kliniki, uchaguzi wa matibabu au utabiri wa uhai, inahitaji kuthibitishwa katika kohoti huru, hatua tofauti za ugonjwa, tishu za ini zenye cirrhosis na zisizo za saratani, na kwa kulinganishwa na AFP pamoja na vigezo vya kliniki.

Maudhui haya yameandaliwa kwa kuzingatia tu mbinu, takwimu, jedwali, orodha ya jeni, matokeo ya nambari, tafsiri ya fasihi na mapungufu yaliyo katika PDF iliyopakiwa. Hakuna madai ambayo hayapo katika utafiti kuhusu mafanikio ya kliniki, utambuzi wa uhakika, shabaha ya matibabu, kipimo cha damu, dhamana ya uhai au utaratibu wa kibayolojia wa kisababishi yaliyoongezwa. :contentReference[oaicite:1]{index=1}