ترجمه فارسی مقاله کشف مجموعه ژن پان سرطان از طریق scRNA-seq برای یادگیری عمیق بهینه بر اساس وظایف پایین دست

چکیده

The application of machine learning to transcriptomics data has led to significant advances in cancer research. However, the high dimensionality and complexity of RNA sequencing (RNA-seq) data pose significant challenges in pan-cancer studies. This study hypothesizes that gene sets derived from single-cell RNA sequencing (scRNA-seq) data will outperform those selected using bulk RNA-seq in pan-cancer downstream tasks. We analyzed scRNA-seq data from 181 tumor biopsies across 13 cancer types. High-dimensional weighted gene co-expression network analysis (hdWGCNA) was performed to identify relevant gene sets, which were further refined using XGBoost for feature selection. These gene sets were applied to downstream tasks using TCGA pan-cancer RNA-seq data and compared to six reference gene sets and oncogenes from OncoKB evaluated with deep learning models, including multilayer perceptrons (MLPs) and graph neural networks (GNNs). The XGBoost-refined hdWGCNA gene set demonstrated higher performance in most tasks, including tumor mutation burden assessment, microsatellite instability classification, mutation prediction, cancer subtyping, and grading. In particular, genes such as DPM1, BAD, and FKBP4 emerged as important pan-cancer biomarkers, with DPM1 consistently significant across tasks. This study presents a robust approach for feature selection in cancer genomics by integrating scRNA-seq data and advanced analysis techniques, offering a promising avenue for improving predictive accuracy in cancer research.

چکیده به فارسی (ترجمه ماشینی)

استفاده از یادگیری ماشین به داده های Transcriptomics منجر به پیشرفت های چشمگیر در تحقیقات سرطان شده است.با این حال ، ابعاد بالا و پیچیدگی توالی RNA (RNA-SEQ) چالش های قابل توجهی در مطالعات سرطان PAN ایجاد می کند.این مطالعه فرض می کند که مجموعه های ژن حاصل از داده های توالی RNA تک سلولی (SCRNA-SEQ) از مواردی که با استفاده از RNA-Seq فله در کارهای پایین دست PAN-C-CANCER انتخاب شده اند ، بهتر خواهد بود.ما داده های SCRNA-SEQ را از 181 بیوپسی تومور در 13 نوع سرطان تجزیه و تحلیل کردیم.تجزیه و تحلیل شبکه بیان همزمان ژن با وزن بالا (HDWGCNA) برای شناسایی مجموعه های ژن مربوطه ، که با استفاده از XGBoost برای انتخاب ویژگی ها تصفیه شدند ، انجام شد.این مجموعه ژن ها با استفاده از داده های RNA-SEQ TCGA PAN-CANCER TCGA به کارهای پایین دست اعمال شد و با شش مجموعه ژن مرجع و انکوژن ها از ONCOKB که با مدل های یادگیری عمیق ، از جمله Perceptrons چند لایه (MLPS) و شبکه های عصبی نمودار (GNN) ارزیابی شده است.مجموعه ژن HDWGCNA با تصویب XGBOOST عملکرد بالاتری در اکثر کارها ، از جمله ارزیابی بار جهش تومور ، طبقه بندی ناپایداری میکرو ماهواره ، پیش بینی جهش ، زیرگروه سرطان و درجه بندی نشان داد.به طور خاص ، ژنهایی مانند DPM1 ، BAD و FKBP4 به عنوان نشانگرهای مهم نشانگر PAN ، با DPM1 به طور مداوم در کارها قابل توجه بودند.این مطالعه یک روش قوی برای انتخاب ویژگی در ژنومیک سرطان با ادغام داده های SCRNA-SEQ و تکنیک های تجزیه و تحلیل پیشرفته ارائه می دهد و یک راه امیدوار کننده برای بهبود دقت پیش بینی کننده در تحقیقات سرطان ارائه می دهد.