相关实验视频
Updated: Jul 27, 2025
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
7.0K
鼻癌亚型通过免疫细胞得分从瘤微环境中发现
Yanbo Sun1, Yun Liu1, Hanqi Chu1
1Department of Otolaryngology-Head and Neck Surgery, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, 1095 Jiefang Avenue, Wuhan 430030, China.
Journal of immunology research
|June 5, 2023
概括
识别了鼻癌 (NPC) 亚型,揭示了不同的免疫特征. 一个机器学习模型准确地预测了这些亚型,有助于选择免疫检查点阻塞 (ICB) 治疗的患者.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 生物信息学是一种生物信息学.
背景情况:
- 鼻癌 (NPC) 的预后不佳,需要新的治疗策略.
- 免疫检查点封锁 (ICB) 为NPC治疗提供了一个有希望的途径.
- 确定将受益于ICB的患者对于临床成功至关重要.
研究的目的:
- 根据瘤微环境 (TME) 特性,识别鼻癌的不同分子亚型.
- 使用机器学习开发和验证这些TME亚型的预测模型.
- 为了促进适合免疫检查点阻塞 (ICB) 治疗的NPC患者的选择.
主要方法:
- 瘤微环境 (TME) 细胞得分是从NPC表达特征 (GSE102349) 中计算的.
- 在NPC样本中,共识聚类确定了分子亚型.
- 选择了枢纽基因,并建立了机器学习模型 (随机森林,支持矢量机) 来预测免疫亚型.
主要成果:
- 在NPC患者中发现了两种不同的TME亚型 (S1和S2).
- S1亚型表现出更高的免疫细胞透率,免疫检查点基因表达,以及改善的预后.
- 开发了一个包括8个基因 (LCK,CD247,FYN,ZAP70,SH2D1A,CD3D,CD3E,CD3G) 的预测模型,其中LCK,FYN,SH2D1A和CD3D与更好的结果相关.
- 支持矢量机 (SVM) 模型实现了0.977的曲线下的高面积 (AUC) 进行亚型预测.
结论:
- 这项研究成功地根据TME特征识别了鼻癌 (NPC) 亚型.
- 开发了一个强大的机器学习模型,用于在NPC中准确预测TME亚型.
- 这些发现为识别可能对免疫检查点封锁 (ICB) 产生反应的NPC患者提供了有价值的工具.
更多相关视频
06:05Author Spotlight: Multiplex Immunofluorescence Combined with Spatial Image Analysis for the Clinical and Biological Assessment of the Tumor Microenvironment
Published on: June 2, 2023
7.8K
08:32Enrichment and Characterization of the Tumor Immune and Non-immune Microenvironments in Established Subcutaneous Murine Tumors
Published on: June 7, 2018
9.7K
