機械学習ベースのモデルは,肺アデノカルシノーマの予後および治療において重要な役割を果たす,新しいクプロプトーシス関連ミトコンドリア遺伝子シグネチャを特定する

科学分野:

• 腫瘍学
• 分子生物学
• バイオ情報学

背景:

• 肺腺癌 (LUAD) は癌による死亡の主な原因である.
• クプロプトーシスとミトコンドリア機能障害は,LUADの進行に関与しています.
• 正確な予後マーカーは,LUAD患者のアウトカムを改善するために不可欠です.

研究 の 目的:

• LUADにおけるクプロプトーシスに関連したミトコンドリア遺伝子を特定する.
• LUAD患者の予後モデルを開発し,検証する.
• 生存率と治療反応を予測するモデルの可能性を評価する.

主な方法:

• TCGAとGEOのデータベースから大量のRNAシーケンスデータを利用した.
• ピアソン相関,単変数コックス回帰,およびLASSO分析を使用した.
• 独立したデータセットを使用して予後モデルを検証し,免疫浸透,TMB,薬剤感受性分析を通じて臨床的有用性を評価した.

主要な成果:

• カプロプトーシスに関連したミトコンドリアの遺伝子22個を特定した.
• LUAD患者の全生存率を予測する検証された予後モデルとノモグラムを開発しました.
• 低リスクグループは免疫活性が強化され,高リスクグループは潜在的薬剤感受性を示した.
• スーパーオキシドディスミューターゼ2 (SOD2) のノックダウンにより,腫瘍増殖と転移が抑制されました.

結論:

• カプロプトーシスに関連するミトコンドリア遺伝子を基にした新しい予後モデルが,LUADの予後を正確に予測します.
• 開発されたノモグラムは,LUADにおける臨床的意思決定に有用なツールです.
• 発見は,LUADの病原性と潜在的な治療戦略の洞察を提供します.