论文部分内容阅读
本文提供了一种对三阴乳腺癌精准的预测模型,以及探索了一些可能的三阴乳腺癌生物标志物。首先,我们使用荟萃分析来循环验证现有的三阴乳腺癌生物标志物(EGFR,VEGF,p53,AR)。基于NCBI等生物文献数据库,检索三阴性乳腺癌以及各相关的生物标志物,通过荟萃分析筛选、整理、分析,循环验证特异性、准确性较高的三阴性乳腺癌生物标志物。其次,我们想要找到一些可能的、特异性高的三阴乳腺癌生物标志物。使用差异基因分析方法来寻找存在显著差异性的基因。由于显著性差异作为统计学上的差异,仍存在很大的误差。也就是说单纯的生物标志物高表达或者低表达无法准确的对三阴乳腺癌进行诊断。因此,最后我们通过使用机器学习的算法来构建三阴乳腺癌的预测模型。既能突破传统诊断方法的缺点,又可以通过人工智能不断优化来达到更为精准的预测,并且在研究中筛选出显著的生物标志物用于三阴性乳腺癌的预后和诊断。本研究也希望在未来的发展中,能够开发出便携式检测装置,结合本研究的预测模型成果,辅以移动终端设备(如手机、平板app),实现检测、诊断、监测的一体化。