生体情報分析に基づく子宮内膜がんの予後リスク予測モデルの構築

科学分野:

• 腫瘍学
• バイオ情報学
• ゲノミクス

背景:

• 子宮内膜がん (EC) の予後には,改善された予測ツールが必要です.
• マルチオミクスデータを統合することで 新しいバイオマーカーの発見の可能性が生まれます

研究 の 目的:

• 子宮内膜がんの予後リスク予測モデルを開発し,検証する.
• EC患者の生存に関連した重要な遺伝子を特定する.

主な方法:

• ガンゲノムアトラスと遺伝子表現オムニバスデータセットのバイオインフォマティクス分析.
• 遺伝子共同発現ネットワーク分析 (WGCNA) と遺伝子発現の差分分析
• モデル構築のためのコックス回帰分析と検証のためのカプラン・マイヤー/ROC曲線.

主要な成果:

• WGCNAは,ECの予後と強く相関するターコイズモジュールを特定しました.
• 5遺伝子シグネチャー (PDZRN3,KANK4,PRNP,PSAT1,ANXA1) が構築されました.
• 5遺伝子モデルでは,患者の生存結果が異なる高リスクと低リスクの2つのグループに分けられた (P < .001).

結論:

• 堅固な5遺伝子の予後モデルが子宮内膜がんに開発されました.
• このモデルは 患者の生存を予測する 重要な能力を示しています
• この発見は,ECにおける臨床診断と標的治療のための貴重な参考となる.