用TCGA-PRAD采矿,机器学习和单细胞RNA测序发现的风险基因特征为恶性前列腺癌患者制作个性化的预后模型
Feng Lyu1, Xianshu Gao1, Mingwei Ma1
1Department of Radiation Oncology, Peking University First Hospital, Beijing 100034, China.
Diagnostics (Basel, Switzerland)
|June 28, 2023
概括
我们使用五种基因特征开发了一种针对高度前列腺癌 (PCa) 的新型预后模型. 该模型有助于早期风险识别,并改善PCa患者的生存预测.
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:
- 前列腺癌 (PCa) 构成了重大的临床挑战,特别是在高格里森评分 (GS) 病例中.
- 早期识别和预后预测对于管理高GS PCa至关重要.
研究的目的:
- 设计和验证一个风险模型,用于早期识别高GSPCa患者.
- 预测高GSPCa的预后和整体存活率 (OS).
主要方法:
- 在癌症基因组图谱 (TCGA) 数据上的差异基因表达分析.
- 对于风险模型开发的最小绝对选择和缩小运营商 (LASSO) 回归.
- 使用国际癌症基因组联盟 (ICGC) 数据和机器学习进行验证.
主要成果:
- 确定了83个差异表达基因 (DEGs);WASIR1,KRTAP5-1,TLX1,KIF4A和IQGAP3被确定为关键的预后因素.
- 为OS和PFS预测开发了一个风险模型和名图,C指数为0.823.
- 模型与ICGC数据 (3年AUC 0.759) 验证,并与免疫细胞透相关.
结论:
- 基于五种基因特征的原始预后模型被设计为高GS PCa.
- 该模型为临床实践中的风险分层和生存预测提供了新的见解.
- 这种方法提高了PCa患者的早期识别和预后预测.
