通过使用深度自编码器和基因表达,识别光线A乳腺癌的预后亚组
1Department of Bio and Brain Engineering, KAIST, Daejeon, Republic of Korea.
PLoS computational biology
|May 30, 2023
概括
研究人员使用深度自编码器和基因表达数据在Luminal-A乳腺癌中确定了两个不同的预后亚组,BPS-LumA和WPS-LumA. 这种分层提高了对治疗耐药性的理解,并为这种常见的乳腺癌亚型提供了个性化医疗方法.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 发光性A乳腺癌是最常见的亚型,其特征是激素受体表达.
- 对内分泌疗法的内在或获得的耐药性在治疗Luminal-A乳腺癌方面是一个挑战.
- 在Luminal-A乳腺癌中的异质性需要改善患者分层,以获得有效的治疗.
研究的目的:
- 在Luminal-A乳腺癌中识别不同的预后亚组.
- 为Luminal-A乳腺癌患者开发一种新的分层方法.
- 探索与预后差异相关的生物功能.
主要方法:
- 使用深度自编码器分析了来自METABRIC数据集 (679个样本) 的基因表达特征.
- 针对潜伏特征进行了K-Means聚类,以确定子组,随后进行了Kaplan-Meier生存分析.
- 验证使用TCGA BRCA数据集 (415个样本) 和差异基因表达分析进行.
主要成果:
- 确定了两个预后亚组,BPS-LumA和WPS-LumA,其无复发生存时间显著不同 (p < 0.0001在METABRIC中,p = 0.004在TCGA中).
- 来自深度自编码器的潜在特征在发现预后子组方面超过了传统方法.
- 发现与核糖体相关的生物功能可能与观察到的预后差异有关.
结论:
- 一种基于深度学习的新分层方法有效地识别了Luminal-A乳腺癌的预后亚组.
- 这种方法可以更精确地了解Luminal-A乳腺癌异质性和耐药性机制.
- 这些发现支持为Luminal-A乳腺癌患者开发个性化医疗策略.
