相关实验视频
Updated: Jul 28, 2025
08:49
A 3D Organotypic Melanoma Spheroid Skin Model
Published on: May 18, 2018
15.8K
机器学习建模和对皮肤黑色素瘤侵袭相关基因的预后价值分析
Enyu Yang1, Qianyun Ding2, Xiaowei Fan1
1College of Life Sciences and Medicine, Zhejiang Sci-Tech University, 310018, Hangzhou, China.
Computers in biology and medicine
|June 2, 2023
概括
这项研究通过识别20个关键的入侵相关基因,开发了一种新的皮肤皮肤黑色素瘤 (SKCM) 风险特征和预后模型. 这种工具有助于个性化治疗和预测患者生存结果.
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:
- 侵袭是皮肤皮肤黑色素瘤 (SKCM) 进展的关键因素.
- 准确的预后模型对于SKCM个性化治疗策略至关重要.
研究的目的:
- 为 SKCM 开发一个与入侵相关的风险签名和预后模型.
- 确定潜在的生物标志物和治疗目标,以改善患者的治疗结果.
主要方法:
- 鉴定了124个差异表达的入侵相关基因 (DE-IAGs),并使用Cox和LASSO回归选择了20个预后基因.
- 通过单细胞测序,蛋白质表达和转录组分析验证基因表达.
- 采用ESTIMATE和CIBERSORT算法来分析免疫和树皮分数,并开发了用于生存预测的机器学习模型 (额外树木分类器).
主要成果:
- 建立了一个20基因风险评分,在高风险和低风险的SKCM群体之间显著区分.
- 风险评分和免疫/肌痛评分之间有明显的负相关性,免疫细胞透和检查点分子表达有显著差异.
- 20个预后基因在将SKCM与正常样本区分时显示出高精度 (AUC>0.7),额外树木分类器模型实现了生存预测0.88的AUC.
- 从DGIdb数据库中确定了234种潜在的药物,针对6种基因.
结论:
- 开发的风险特征和预后模型为SKCM的个性化治疗和预后预测提供了有价值的工具.
- 该研究确定了潜在的生物标志物和治疗点,包括234种药物,用于SKCM管理.
- 一个公开可访问的管道和应用程序可用于进一步的研究和临床应用.
