Exploring the key genes of colorectal "adenoma-cancer" based on graph transformer.

چکیده اصلی

Colorectal cancer (CRC) is one of the most lethal malignancies worldwide, and the precise identification of biomarkers from colonic adenoma to cancer is of great significance for preventing the development of adenocarcinoma. Given that existing methods inadequately capture the topological network relationships among genes, this study proposes a graph neural network model based on multifeature learning, named ChebTs, to investigate the correlation between key genes involved in the colorectal "adenoma-cancer" transition. The GSE41657 and GSE31905 datasets from the GEO database were stratified into normal, adenoma, and colorectal cancer groups. Feature encoding was introduced to enhance node features, followed by Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) enrichment analyses of differentially expressed genes (DEGs). A protein-protein interaction (PPI) network was constructed using Cytoscape software, and the aggregated information was embedded into the model for training to generate a list of key genes with corresponding importance scores. An attention pooling mechanism aggregated node-level representations into graph level representations for sample classification, and a two layer fully connected network, following activation and regularization, produced predicted probabilities. Furthermore, we provided interpretable analyses at the gene level using GNNExplainer. The results were validated through virtual knockout techniques. The eight screened genes, Fibronectin 1 (FN1), Claudin 2 (CLDN2), Interleukin-33 (IL-33), Matrix Metallopeptidase 1 (MMP1), Stanniocalcin 2 (STC2), Insulin-Like Growth Factor-Binding Protein 7 (IGFBP7), NADPH Oxidase 4 (NOX4), and Secreted Frizzled Related Protein 1 (SFRP1), were all found to be associated with overall survival (OS) in CRC. In this study, eight molecules closely related to the development of colorectal adenocarcinoma were screened out, and they may be diagnostic biomarkers of colorectal cancer. These genes affect the prognosis of patients by participating in biological processes such as remodeling of extracellular mechanisms, and are of great significance for preventing the carcinogenesis of adenoma.

ترجمه فارسی چکیده

سرطان روده بزرگ (CRC) یکی از مرگبارترین بدخیمی‌های جهان است. شناسایی دقیق نشانگرهای زیستی از آدنوما تا سرطان برای پیشگیری از توسعه آدنوکارسینوم اهمیت زیادی دارد. از آنجا که روش‌های موجود روابط شبکه‌ای توپولوژیک بین ژن‌ها را به درستی ثبت نمی‌کنند، این مطالعه یک مدل شبکه عصبی گراف مبتنی بر یادگیری چندویژگی به نام ChebTs را برای بررسی همبستگی ژن‌های کلیدی در گذار «آدنوما-سرطان» روده بزرگ پیشنهاد می‌کند. داده‌های GSE41657 و GSE31905 از پایگاه داده GEO به گروه‌های نرمال، آدنوما و سرطان روده بزرگ دسته‌بندی شدند. برای تقویت ویژگی‌های گره، رمزگذاری ویژگی و سپس تحلیل‌های غنی‌سازی GO و KEGG بر روی ژن‌های بیان‌شده تفاوت‌دار انجام شد. یک شبکه تعامل پروتئین-پروتئین (PPI) با استفاده از نرم‌افزار Cytoscape ساخته شد و اطلاعات تجمیع‌شده در مدل برای آموزش برای تولید لیستی از ژن‌های کلیدی با امتیازات اهمیت مربوطه استفاده شد. یک مکانیسم تجمیع توجه (attention pooling) برای تجمیع نمای سطح گره در نمای سطح گراف برای طبقه‌بندی نمونه و یک شبکه کاملاً متصل دو لایه، پس از فعال‌سازی و منظم‌سازی، احتمالات پیش‌بینی را تولید کردند. علاوه بر این، تحلیل‌های قابل تفسیر در سطح ژن با استفاده از GNNExplainer ارائه شد. نتایج با تکنیک‌های حذف مجازی تأیید شدند. هشت ژن فیلترشده، فیبرونکتین ۱ (FN1)، کلادین ۲ (CLDN2)، اینترلوکین ۳۳ (IL-33)، متالوپروتئیناز ماتریس ۱ (MMP1)، استانیکالکین ۲ (STC2)، پروتئین باندکننده مشابه انسولین ۷ (IGFBP7)، اکسیداز NADPH ۴ (NOX4) و پروتئین مرتبط با فرززلد ترشح‌شده ۱ (SFRP1)، همگی با بقای کل (OS) در سرطان روده بزرگ مرتبط یافت شدند. در این مطالعه، هشت مولکول مرتبط با توسعه آدنوکارسینوم روده بزرگ فیلتر شدند و ممکن است نشانگرهای تشخیصی سرطان روده بزرگ باشند. این ژن‌ها با شرکت در فرآیندهای زیستی مانند بازسازی مکانیسم‌های خارج سلولی، بر پیش‌بینی بیماران تأثیر می‌گذارند و اهمیت زیادی برای پیشگیری از کارسینوژنز آدنوما دارند.

متن کامل اصلی