Caracterización basada en el aprendizaje automático de un modelo asociado a la PANoptosis para mejorar el pronóstico...

Área de la Ciencia:

• En el campo de la oncología
• Investigación de la muerte celular
• La bioinformática

Sus antecedentes:

• La panoptosis es una vía de muerte celular programada inflamatoria que incluye piroptosis, apoptosis y necroptosis.
• El adenocarcinoma pulmonar presenta una necesidad crítica de mejorar las estrategias de pronóstico y tratamiento.

Objetivo del estudio:

• Investigar las implicaciones clínicas de la PANoptosis en el adenocarcinoma pulmonar.
• Desarrollar un modelo predictivo para el pronóstico y la respuesta al tratamiento de los pacientes con LUAD.

Principales métodos:

• Se identificaron subtipos moleculares de LUAD basados en los reguladores de la PANoptosis utilizando ConsensusClusterPlus.
• Análisis de la red de correlación de genes ponderados (WGCNA) empleado para identificar módulos de genes asociados a subtipos.
• Desarrolló una firma relacionada con la PANoptosis (PRS) utilizando algoritmos de aprendizaje automático y validó su valor pronóstico y predictivo.

Principales resultados:

• Descubrieron dos subtipos moleculares relacionados con la PANoptosis en el LUAD.
• Construido un robusto PRS que predice con precisión la supervivencia general y sirve como un factor pronóstico independiente.
• Los pacientes con PRS bajo mostraron una mejor supervivencia e infiltración inmune, mientras que un PRS alto se correlacionó con mayores tasas de mutación y sensibilidad a quimioterapias específicas (docetaxel, gemcitabina).
• Se identificaron siete fármacos candidatos y un objetivo terapéutico (TRPA1) para pacientes con alta PRS.

Conclusiones:

• El PRS desarrollado ofrece una herramienta valiosa para la estratificación del riesgo y el pronóstico en pacientes con LUAD.
• Los fármacos candidatos y un objetivo terapéutico ofrecen posibles nuevas vías de tratamiento para pacientes con alta PRS LUAD.