Identification of Key Genes Associated with Overall Survival in Glioblastoma Multiforme Using TCGA RNA-Seq Expression Data
Notice bibliographique
Résumé
Background/Objectives: Glioblastoma multiforme (GBM) is an aggressive and heterogeneous brain tumor with poor prognosis, emphasizing the need for reliable molecular biomarkers to improve patient stratification and treatment planning. This study aimed to identify key genes associated with overall survival in GBM by employing and comparing machine learning (ML) and deep learning (DL) approaches using RNA-Seq gene expression data. Methods: RNA-Seq expression and clinical data for primary GBM tumors were obtained from The Cancer Genome Atlas (TCGA). A univariate Cox proportional hazards regression was used to identify survival-associated genes. For survival prediction, ML-based feature selection techniques—RF, GB, SVM-RFE, RF-RFE, and PCA—were used to construct multivariate Cox models. Separately, DeepSurv, a DL-based survival model, was trained using the significant genes from the univariate analysis. Gradient-based importance scoring was applied to determine key genes from the DeepSurv model. Results: Univariate analysis yielded 694 survival-associated genes. The best ML-based Cox model (RF-RFE with 90% training data) achieved a c-index of 0.725. In comparison, DeepSurv demonstrated superior performance with a c-index of 0.822. The top 10 genes were identified from the DeepSurv analysis, including CMTR1, GMPR, and PPY. Kaplan–Meier survival curves confirmed their prognostic significance, and network analysis highlighted their roles in processes such as purine metabolism, RNA processing, and neuroendocrine signaling. Conclusions: This study demonstrates the effectiveness of combining ML and DL models to identify prognostic gene expression biomarkers in GBM, with DeepSurv providing higher predictive accuracy. The findings offer valuable insights into GBM biology and highlight candidate biomarkers for further validation and therapeutic development.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».