全面的机器学习生成分类器识别了前转移性特征,并预测了胰腺癌的个别治疗:基于超强增强剂概况的多中心队列研究
Dongjie Chen1,2,3, Yizhi Cao1,2,3, Haoyu Tang1,2,3
1Department of General Surgery, Pancreatic Disease Center, Ruijin Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, P.R. China.
Theranostics
|June 23, 2023
概括
这项研究开发了一种用于预测胰腺癌 (PC) 转移和患者结果的新分类器. 超强增强剂相关的转移性 (SEMet) 分类器改善了预后预测,并确定了可能受益于免疫治疗的患者.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 癌症生物学 癌症生物学
背景情况:
- 超级增强剂 (SE) 的重编程与胰腺癌 (PC) 转移有关.
- 目前的TNM分期在预测PC患者的临床结果方面存在局限性.
- 需要对转移性PC进行个性化分层和替代疗法.
研究的目的:
- 为了确定在胰腺癌转移期间获得的超强增强剂相关基因.
- 开发基于机器学习的分类器,用于预测转移性PC预后.
- 探索潜在的治疗策略,针对PC中的超强增强器重编程.
主要方法:
- 在初级瘤和肝转移中检测H3K27ac的ChIP-Seq分析.
- 使用引导和Cox分析对预后性HM获得的,SE关联基因 (HM-SE基因) 的查.
- 在1705名PC患者中使用188个机器学习集成的超强增强器相关转移性 (SEMet) 分类器的开发.
主要成果:
- 基于38个预后性HM-SE基因建立了一个新的SEMet分类器.
- SEMet分类器表现出强大的预测性能,优于现有的临床特征和特征.
- 低SEMET小组显示了可悲的生存率,增加了基因组变化,激活免疫力和更好的免疫疗法反应.
- 通过TGM2和DKK1上调,E2F7被确定为PC转移的潜在驱动因素.
- 甲被确定在基中增强转移性PC中的凝胺敏感性.
结论:
- SEMet分类器提供了一个强大的工具来分层转移性PC患者.
- 这项研究提供了关于SE驱动的转移和潜在的治疗点的见解.
- 这些发现支持转移性胰腺癌的个性化治疗方法.
