生信一区，解读生物信息分析最前沿文献和思路，提供专业的生信分析服务，今天分享的文章亮点是机器学习＋多组学：分析用于具有免疫治疗反应的癌症的生存预测，感兴趣的老师可以点点关注
文章标题：Integrated explainable machine learning and multi- omics analysis for survival prediction in cancer with immunotherapy response
中文标题：整合可解释机器学习和多组学分析用于具有免疫治疗反应的癌症的生存预测
发表期刊：Apoptosis
发表时间：2024年12月
影响因子：6.1
研究背景
为了证明机器学习模型在预测黑色素瘤癌症死亡率方面的有效性，我们开发了一个可解释性模型，以更好地理解癌症的生存预测。
研究思路
使用十种不同的机器学习模型来预测不同数据集的死亡率。然后，我们利用这些机器学习方法所识别的重要特征构建了一个名为NKECLR的新模型来预测癌症患者的死亡率。为了明确澄清模型的决策过程并揭示新发现，采用了一种结合机器学习和SHapley加性表达（SHAP）以及LIME的可解释技术，并从这些机器学习（ML）中识别了四个基因EPGN、PHF11、RBM34和ZFP36。对训练和验证数据集进行的实验分析表明，与现有方法相比，所提出的模型具有良好的性能，AUC值分别为81.8%和79.3%。
结果分析
文章小结
研究引入了一种创新的预测性NKECLR模型，该模型利用自然杀手（NK）细胞标记基因，用于黑色素瘤患者队列。NKECLR 模型可以有效预测黑色素瘤癌症队列的存活率和治疗结果，揭示高危人群中明显的免疫细胞浸润。（对文章数据库和分析方法感兴趣或需要生信分析服务的老师，欢迎关注小鱼一起交流）
