多因子解析と機械学習に基づく新たな肺扁平上皮癌の予後予測モデル

科学分野:

• 腫瘍学
• 免疫学
• ゲノミクス

背景:

• 肺扁平上皮癌（LUSC）は予後不良で攻撃的です。
• 三次リンパ小構造（TLS）は免疫療法の有効性に影響を与えます。
• LUSCにおけるTLS関連サブタイプの予後および免疫学的役割は不明です。

研究 の 目的:

• TLS関連遺伝子に基づいたLUSCの分子サブタイプの同定。
• LUSCの予後予測シグネチャの開発。
• 同定されたサブタイプに基づいた潜在的な治療戦略の探求。

主な方法:

• 39のTLS関連遺伝子の多因子解析（mRNA、DNAメチル化、変異、lncRNA）。
• LUSCサブタイプの定義のための統合コンセンサスクラスタリング。
• 予後予測シグネチャ（LUSCSPI）を構築するためのLASSO回帰。

主要な成果:

• LUSCの4つの分子サブタイプ（CS1-CS4）を同定しました。
• CS1とCS3の間で有意な生存期間の違いが観察されました。
• LUSCSPIは、高リスク（予後不良）群と低リスク（予後良好）群を同定しました。
• 各リスク群に関連する特定の化学療法薬。

結論:

• LUSCSPIはLUSCの独立した予後因子として機能します。
• 多因子解析アプローチにより、個別化されたLUSC治療のための予後層別化が可能になります。
• 同定されたサブタイプと予後指数は、LUSC疾患管理をガイドできます。