識別器の競合による肝臓癌再発予測システムの開発

利用分类器竞争开发肝癌复发预测系统

• 批准号: 15790716
• 负责人: 爲佐 卓夫
• 金额: $ 1.92万
• 依托单位: Yamaguchi University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2003
• 资助国家: 日本
• 起止时间: 2003 至 2004
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-15790716/
• 关键词: 肝細胞癌; 再発予測; 遠隔再発予測; DNAマイクロアレイ; Fisher比; 術後肝内再発; supervised learning理論

本研究では、遠隔再発に関連する遺伝子をプロファイルし、遠隔再発予測を高精度に予測できるか否かを検討した。1.われわれはhuU95A DNAChips^<【○!R】> (Affymetrix, Santa Clara, CA)(12533種類のプローブ搭載)を用いて、76例のHCCにおける遺伝子発現プロファイルを作成した。2.評価可能な66例を訓練サンプル(N=35:内訳は遠隔再発なしが25例、遠隔再発ありが10例)とテストサンプル(N=31:遠隔再発なしが24例、遠隔再発ありが7例)に分けて以下の解析を行った。3.訓練サンプル(N=35)において以下のフィルターをかけた。(a)訓練サンプルの半数以上の発現量が40以上の選伝子を選択。結果として12533から8407遺伝子に絞られた。(b)Foldchange>2となる遺伝子を選択。最終的には8407から274遺伝子まで絞込みを行った。4.識別器の構築と評価(a)各遺伝子のFisher比を求め、Fisher比の大きいものからTop50遺伝子を選択。(b)次にFisher linear classifierによるleave-one-out errorを最小とする遺伝子の組み合わせを10試行上で選択。(c)10試行上で最頻出する遺伝子群を選択(d)選択された遺伝子群上でFisher linear classifierを設計し、31個のテストサンプルを識別。5.結果2〜16個の遺伝子を用いて24/31(77%)〜27/31(87%)の精度で、遠隔再発を予測できたが、この結果は我々の予想を大幅に下回った。最も考えられる理由として、サンプルラベルの不正確さが挙げられる。すなわち、訓練サンプルに用いるサンプルの中には残肝再発をコントロールできないために、その残肝再発巣から遠隔臓器に転移したと考えられるサンプルが混入していた。このように遠隔再発の場合は、残肝における転移巣のコントロールという因子が加わるために、原発巣の遺伝子発現プロファイルのみに依存する本予測システムの限界があるものと考えられた。

This study discusses whether remote detection is accurate or not. 1.われわれはhuU95A DNAChips^<【○! R]> (Affytrix, Santa Clara, CA)(12533 kinds of 2. 66 cases were evaluated for possible training (N=35:25 cases of internal recurrence, 10 cases of remote recurrence) and 66 cases for possible training (N=31:24 cases of remote recurrence, 7 cases of remote recurrence). 3. The training session (N=35) was conducted in the following ways: (a)More than half of the training sessions have more than 40 options. 12533 (b)Foldchange>2. The final 8407 4. Construction and evaluation of the recognizer: (a) Ask for the Fisher ratio of each heritage, and select the top 50 heritage of Fisher ratio. (b)Second, Fisher linear classifier leave-one-out error is the minimum error, and the component error is the highest error. (c)10(d) The Fisher linear classifier is designed to identify the 31 most frequently identified clusters. 5. The accuracy of 2 ~ 16 samples was 24/31(77%)~ 27/31(87%), and the accuracy of remote prediction was significantly lower than that of remote prediction. The reason for the most serious problem is that it is not correct. In addition to the above, it is also possible to increase the number of patients who have received treatment. In the case of remote reoccurrence, the residual liver is removed from the original organ, and the original organ is generated from the original organ.

项目成果

Iizuka N, Tamesa T, et al.: "Molecular signature in three types of hepatocellular carcinoma with different viral origin by oligonucleotide microarray."International Journal of Oncology. 24. 565-574 (2004)

Iizuka N、Tamesa T 等人：“通过寡核苷酸微阵列分析具有不同病毒来源的三种类型肝细胞癌的分子特征。”国际肿瘤学杂志。

Iizuka N, Tamesa T, et al.: "Oligonucleotide microarray for prediction of early intrahepatic recurrence of hepatocellular carcinoma after curative resection."Lancet. 361. 923-929 (2003)

Iizuka N、Tamesa T 等人：“用于预测治愈性切除术后肝细胞癌早期肝内复发的寡核苷酸微阵列。”柳叶刀。