肺腺癌患者的分子亚型用于预后和治疗反应预测,使用机器学习对13种编程细胞死亡模式进行预测
Qin Wei1, Xiaoyu Jiang1, Xinyi Miao1
1Key Laboratory Experimental Teratology of the Ministry of Education, Department of Biochemistry and Molecular Biology, School of Basic Medical Sciences, Cheeloo College of Medicine, Shandong University, Jinan, Shandong, 250012, China.
Journal of cancer research and clinical oncology
|June 28, 2023
概括
这项研究基于编程细胞死亡 (PCD) 基因签名确定了两个肺腺癌 (LUAD) 亚型. 一个新的指数 (PCDI) 预测了预后和治疗反应,有助于个性化的LUAD疗法.
科学领域:
- 在瘤学瘤学.
- 分子生物学分子生物学
- 遗传学 是一个遗传学.
背景情况:
- 肺腺癌 (LUAD) 是一个严重的全球健康威胁.
- 编程细胞死亡 (PCD) 在LUAD进展和治疗反应中至关重要.
- 缺乏针对LUAD预后和治疗预测的PCD相关特征的综合分析.
研究的目的:
- 在LUAD中对PCD相关基因进行全面分析.
- 根据PCD基因表达来识别LUAD分子亚型.
- 开发一个预后指数来预测LUAD患者的结果和治疗灵敏度.
主要方法:
- 使用TCGA和GEO数据库用于LUAD转录组和临床数据.
- 应用WGCNA,差异表达分析和机器学习来识别PCD相关的基因并构建预后签名 (PCDI).
- 采用聚类,生存分析,丰富分析,免疫微环境分析和名ogram构造.
主要成果:
- 确定了40种PCD相关的DEG和2种LUAD分子亚型.
- 开发了一种五基因PCDI,将患者分为高风险和低风险组,具有不同的预后和药物敏感性.
- 在高PCDI组中观察到下调的B细胞通路,降低免疫细胞透率和较低的TLS得分.
结论:
- 这项研究首次对LUAD中PCD模式进行了全面分析,揭示了两个不同的分子亚型.
- 开发的PCDI作为预测LUAD预后和治疗疗效的新型指数.
- 这些发现支持基于PCD相关基因特征的LUAD患者个性化治疗策略.
