开发一种基于机器学习的签名,利用炎症反应基因来预测卵巢癌的预后和免疫微环境

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 遗传学 是一个遗传学.

背景情况:

• 卵巢癌 (OC) 是一个严重的健康挑战,预后不佳.
• 与炎症相关的因素与OC的发展有关,但特定的炎症反应相关基因 (IRRGs) 的作用尚不清楚.

研究的目的:

• 调查IRRG在OC发展和预后中的作用.
• 根据炎症反应分类OC亚型并确定预后生物标志物.

主要方法:

• 综合了来自7个队伍的mRNA表达特征,并进行了单变Cox回归来选26个IRRG.
• 将OC患者根据IRRG分类为亚型,并分析免疫细胞透和生物通路.
• 采用机器学习算法来预测存活率,并使用全幻灯片成像和体外实验验证实结果.

主要成果:

• 鉴定了具有明显炎症特征的OC亚型;亚型B显示显著的免疫透和Treg细胞丰富,与免疫抑制和不良预后相关.
• 经过验证的树皮细胞,炎症细胞和瘤细胞分布,并阐明了亚型之间的途径激活差异.
• 确定CXCL10是关键的预后性IRRG,由巨细胞分泌,并参与瘤淋巴血管生成.

结论:

• IRRGs在OC病变和患者预后方面发挥着重要作用.
• OC亚型表现出多样化的炎症情景,影响免疫反应和生存.
• 因此,CXCL10成为卵巢癌的潜在治疗点.