肺アデノカルシノーマ患者の予後と免疫療法応答の改善のためのPANoptosis関連モデルの機械学習ベースの特徴付け

科学分野:

• 腫瘍学
• 細胞死 研究
• バイオ情報学

背景:

• PANoptosisは炎症性プログラム細胞死経路であり,ピロプトーシス,アポプトーシス,そしてネクロプトーシスを含む.
• 肺腺がん (LUAD) は,改善された予後と治療戦略を決定的に必要としています.

研究 の 目的:

• 肺腺がんにおけるPANoptosisの臨床的影響を調査する.
• LUAD患者の予後と治療への反応を予測するモデルを開発する.

主な方法:

• ConsensusClusterPlusを用いたPANOPTOSISのレギュレータに基づいて LUADの分子サブタイプを特定した.
• 亜型関連遺伝子モジュールを特定するために,加重遺伝子相関ネットワーク分析 (WGCNA) を採用した.
• 機械学習アルゴリズムを使用して,PANoptosis関連シグネチャー (PRS) を開発し,その予後および予測価値を検証しました.

主要な成果:

• PANoptosisに関連した2つの分子サブタイプが LUADで発見されました.
• 整体生存率を正確に予測し 独立した予後因子として機能する 堅固なPRSを構築しました
• PRSが低い患者はより高い生存率と免疫浸透を示し,高いPRSはより高い変異率と特定の化学療法 (ドセタキセル,ゲムシタビン) に対する感受性と相関していました.
• 高PRS患者に対する7つの薬剤候補と1つの治療標的 (TRPA1) を特定した.

結論:

• 開発されたPRSは,LUAD患者におけるリスクの階層化と予後のための貴重なツールを提供します.
• 薬候補と治療標的は,高いPRS LUADの患者にとって潜在的な新しい治療法を提供します.