Computer methods in biomechanics and biomedical engineering · 2026
Integrated machine learning algorithms for prediction of prognosis in ovarian cancer patients based on mitochondrial-related genes.
СтатьяНазвание и аннотация: Перевод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Xu Ke, Zhang Ning, He Haoyu, Zhang Hua, Gao Yuzhou, Miao Run, Xu Zhihao, Zhang Yuchen, Ji Dongmei
Аннотация
Mitochondrial dysfunction drives ovarian cancer (OC) progression. This study constructed a robust prognostic model (MITO-OC) based on mitochondria-related genes using ten machine-learning algorithms on TCGA, ICGC, and GEO data. We identified 241 differentially expressed genes and built the optimal MITO-OC model using StepCox[forward] and RSF algorithms (C-index=0.73). The model accurately predicts patient overall survival and strongly correlates with tumor immune infiltration. Furthermore, single-cell and pan-cancer analyses highlighted CHCHD2 as a critical component in OC and other tumors. MITO-OC provides a highly effective, personalized prognostic tool and reveals underlying metabolic mechanisms for OC clinical management.