論文の概要: Identifying multi-omics interactions for lung cancer drug targets discovery using Kernel Machine Regression

• arxiv url: http://arxiv.org/abs/2510.16093v1
• Date: Fri, 17 Oct 2025 17:13:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:38.848911
• Title: Identifying multi-omics interactions for lung cancer drug targets discovery using Kernel Machine Regression
• Title（参考訳）: Kernel Machine Regression を用いた肺癌薬剤標的のマルチオミクス相互作用の同定
• Authors: Md. Imtyaz Ahmed, Md. Delwar Hossain, Md Mostafizer Rahman, Md. Ahsan Habib, Md. Mamunur Rashid, Md. Selim Reza, Md Ashad Alam,
• Abstract要約: がんは多面的分子相互作用によって誘導される多様で複雑な表現型を示す。 単一オミクスと比較して,マルチオミクスデータセットの特徴間の複雑な相互作用を理解することは困難である。 肺癌に有意な関連のある38遺伝子を同定した。
• 参考スコア（独自算出の注目度）: 0.41825304104307054
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cancer exhibits diverse and complex phenotypes driven by multifaceted molecular interactions. Recent biomedical research has emphasized the comprehensive study of such diseases by integrating multi-omics datasets (genome, proteome, transcriptome, epigenome). This approach provides an efficient method for identifying genetic variants associated with cancer and offers a deeper understanding of how the disease develops and spreads. However, it is challenging to comprehend complex interactions among the features of multi-omics datasets compared to single omics. In this paper, we analyze lung cancer multi-omics datasets from The Cancer Genome Atlas (TCGA). Using four statistical methods, LIMMA, the T test, Canonical Correlation Analysis (CCA), and the Wilcoxon test, we identified differentially expressed genes across gene expression, DNA methylation, and miRNA expression data. We then integrated these multi-omics data using the Kernel Machine Regression (KMR) approach. Our findings reveal significant interactions among the three omics: gene expression, miRNA expression, and DNA methylation in lung cancer. From our data analysis, we identified 38 genes significantly associated with lung cancer. From our data analysis, we identified 38 genes significantly associated with lung cancer. Among these, eight genes of highest ranking (PDGFRB, PDGFRA, SNAI1, ID1, FGF11, TNXB, ITGB1, ZIC1) were highlighted by rigorous statistical analysis. Furthermore, in silico studies identified three top-ranked potential candidate drugs (Selinexor, Orapred, and Capmatinib) that could play a crucial role in the treatment of lung cancer. These proposed drugs are also supported by the findings of other independent studies, which underscore their potential efficacy in the fight against lung cancer.
• Abstract（参考訳）: がんは多面的分子相互作用によって誘導される多様で複雑な表現型を示す。 近年のバイオメディカル研究は、マルチオミクスデータセット(ゲノム、プロテオーム、トランスクリプトーム、エピジェノム)を統合することで、このような病気の包括的な研究を強調している。 このアプローチは、がんに関連する遺伝的変異を同定する効率的な方法を提供し、疾患の進展と拡散についてより深く理解する。 しかし、単一オミクスと比較して、マルチオミクスデータセットの特徴間の複雑な相互作用を理解することは困難である。 本稿では,The Cancer Genome Atlas (TCGA) を用いた肺がんマルチオミクスデータセットの解析を行った。 LIMMA, T test, Canonical correlation Analysis (CCA) と Wilcoxon test の4つの統計的手法を用いて, 遺伝子発現, DNAメチル化, miRNA発現データ間で異なる発現遺伝子を同定した。 次に、KMR(Kernel Machine Regression)アプローチを用いて、これらのマルチオミクスデータを統合した。 肺癌における3つのオミクス(遺伝子発現,miRNA発現,DNAメチル化)の間に有意な相互作用が認められた。 データ分析の結果,肺がんに有意な関連のある38の遺伝子が同定された。 データ分析の結果,肺がんに有意な関連のある38の遺伝子が同定された。 このうち, PDGFRB, PDGFRA, SNAI1, ID1, FGF11, TNXB, ITGB1, ZIC1の8遺伝子は, 厳密な統計的解析によって強調された。 さらに、シリコ研究では、肺がんの治療において重要な役割を果たす3つのトップランクの候補薬(Selinexor、Orapred、Capmatinib)が同定された。 これらの薬剤は、他の独立した研究の発見によっても支持されており、肺がんに対する抗がん剤としての有効性を裏付けている。

関連論文リスト

• A Novel Approach to Linking Histology Images with DNA Methylation [8.947503179743167]
  異常なメチル化パターンは遺伝子発現を阻害し、がんの発生と関連している。 サンプル間のコヒーレントパターンを示す遺伝子群のメチル化状態を予測するために,エンド・ツー・エンドグラフニューラルネットワークを用いた弱教師付き学習フレームワークを提案する。 本研究は,遺伝子群について遺伝子セットの富化分析を行い,遺伝子群の大部分が重要な特徴と経路において著しく富化されていることを示す。
  論文  参考訳（メタデータ） (2025-04-07T18:19:01Z)
• LASSO-MOGAT: A Multi-Omics Graph Attention Framework for Cancer Classification [41.94295877935867]
  本稿では,メッセンジャーRNA,マイクロRNA,DNAメチル化データを統合し,31種類のがんを分類するグラフベースのディープラーニングフレームワークLASSO-MOGATを紹介する。
  論文  参考訳（メタデータ） (2024-08-30T16:26:04Z)
• Self-Normalizing Foundation Model for Enhanced Multi-Omics Data Analysis in Oncology [0.0]
  SeNMoは、33のがんタイプにわたるマルチオミクスデータに基づいてトレーニングされた基礎モデルである。 当科では,33のがん部位を含む膵癌マルチオミクスデータを用いて,SeNMoの全身生存を訓練した。 SeNMoはMoffitt Cancer CenterとCPTAC肺扁平上皮癌という2つの独立したコホートで検証された。
  論文  参考訳（メタデータ） (2024-05-13T22:45:44Z)
• Exploring Gene Regulatory Interaction Networks and predicting therapeutic molecules for Hypopharyngeal Cancer and EGFR-mutated lung adenocarcinoma [5.178086150698542]
  本研究では,下咽頭癌におけるEGFR変異肺腺癌と下咽頭癌について検討した。 本研究は,10のハブ遺伝子に基づく選択疾患に対する共通治療分子を示唆するものである。
  論文  参考訳（メタデータ） (2024-02-27T11:29:36Z)
• Gene-MOE: A sparsely gated prognosis and classification framework exploiting pan-cancer genomic information [13.57379781623848]
  そこで本研究では, RNA-seq解析フレームワークであるGene-MOEについて紹介する。 Gene-MOEは、分析精度を高めるために、MOE層とアテンションエキスパート層の混合物のポテンシャルを利用する。 事前訓練を通じて33種類のがんからパンがん情報を統合することで、過度に適合する課題に対処する。
  論文  参考訳（メタデータ） (2023-11-29T07:09:25Z)
• A new algorithm for Subgroup Set Discovery based on Information Gain [58.720142291102135]
  Information Gained Subgroup Discovery (IGSD)は、パターン発見のための新しいSDアルゴリズムである。 IGSDと最先端の2つのSDアルゴリズム(FSSDとSSD++)を比較した。 IGSDはFSSDやSSD++よりもOR値が優れており、パターンとターゲットへの依存度が高い。
  論文  参考訳（メタデータ） (2023-07-26T21:42:34Z)
• Machine Learning Methods for Cancer Classification Using Gene Expression Data: A Review [77.34726150561087]
  がんは心臓血管疾患の2番目の死因である。 遺伝子発現は癌の早期発見において基本的な役割を担っている。 本研究は,機械学習を用いた癌分類における遺伝子発現解析の最近の進歩を概説する。
  論文  参考訳（メタデータ） (2023-01-28T15:03:03Z)
• Unsupervised ensemble-based phenotyping helps enhance the discoverability of genes related to heart morphology [57.25098075813054]
  我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。 教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。 これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
  論文  参考訳（メタデータ） (2023-01-07T18:36:44Z)
• Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
  低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。 本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。 私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
  論文  参考訳（メタデータ） (2021-02-11T09:04:45Z)
• Topological Data Analysis of copy number alterations in cancer [70.85487611525896]
  癌ゲノム情報に含まれる情報を新しいトポロジに基づくアプローチで捉える可能性を探る。 本手法は, 癌体性遺伝データに有意な低次元表現を抽出する可能性を秘めている。
  論文  参考訳（メタデータ） (2020-11-22T17:31:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。