在质瘤中,瘤核心与边缘的代谢差异化
Mary E Baxter1, Hunter A Miller1, Joseph Chen1,2
1Departments of1Bioengineering.
Neurosurgical focus
|June 7, 2023
概括
这项研究揭示了质瘤核心与边缘组织的独特代谢特征,识别了关键代谢物和途径. 机器学习模型准确地预测O6-甲基瓜因因DNA甲基转移酶 (MGMT) 促进剂甲基化状态,提供潜在的预后和治疗标.
科学领域:
- 神经瘤学神经瘤学
- 代谢学 代谢学 代谢学
- 机器学习 机器学习
背景情况:
- 结质瘤具有显著的内和患者间异质性.
- 在质瘤核心和透边缘区域之间存在不同的微环境和表型.
- 了解这些区域差异对于预后和向治疗至关重要.
研究的目的:
- 为了区分质瘤核心和边缘区域之间的代谢特征.
- 探索代谢学在预测临床结果方面的潜力.
- 确定预后和治疗目标,以改善外科手术结果.
主要方法:
- 来自27名患者的结合性质瘤核心和边缘样本使用2D液态染色学-质谱/质谱分析.
- 代谢数据被处理以确定差异丰富的代谢物.
- 一个增强的通用线性机器学习模型预测了O6-甲基瓜氨酸DNA甲基转移酶 (MGMT) 促进剂甲基化状态.
主要成果:
- 66代谢物在核心和边缘区域之间显著不同 (p ≤0.05).
- 确定的主要代谢物包括DL-alanine,肌酸和尼古丁胺.
- 机器学习模型在使用核心和边缘代谢物预测MGMT促进体甲基化状态时达到高准确度 (AUROC>0.94).
结论:
- 质瘤核心和边缘组织之间存在显著的代谢差异.
- 代谢学与机器学习相结合,可以识别潜在的预后生物标志物.
- 这些发现突出了针对性治疗和改善患者治疗结果的机会.
更多相关视频
05:45Quantitative Immunohistochemistry of the Cellular Microenvironment in Patient Glioblastoma Resections
Published on: July 31, 2017
9.7K
09:09Laser Capture Microdissection of Glioma Subregions for Spatial and Molecular Characterization of Intratumoral Heterogeneity, Oncostreams, and Invasion
Published on: April 12, 2020
6.9K
