一种基于机器学习的乳腺癌中与二硫化相关的新表达模式

科学领域:

• 在瘤学瘤学.
• 分子生物学分子生物学
• 遗传学 遗传学 是一个

背景情况:

• 乳腺癌 (BC) 是全球癌症相关死亡的主要原因.
• 作为一种新型细胞死亡途径的二硫化的作用在BC的预后和治疗中仍然未被探索.

研究的目的:

• 调查乳腺癌中二硫化的生物功能和预后价值.
• 根据与二硫化相关的基因开发BC的预后特征.

主要方法:

• 在dissulfidptosis基因中评估了基因突变和CNV.
• 进行差异表达,预后和考克斯分析以确定BC特定的DRG.
• 利用无监督聚类和LASSO回归来开发预后特征.
• 分析了这种特征与TME的相关性,免疫透,干性和药物敏感性.

主要成果:

• 根据三个DRG (DNUFS1,LRPPRC,SLC7A11) 确定了两个不同的集群,其中A集群显示出更好的生存率和更高的免疫透率.
• 开发了一个具有良好的预测能力的四个基因预后特征 (KIF21A,APOD,ALOX15B,ELOVL2).
• 该签名与TME,免疫细胞透,TMB,干性和药物敏感性有很强的相关性.

结论:

• 一个基于dissulfidptosis-DEGs的预后签名有效地预测BC患者的预后.
• 这种特征与瘤微环境密切相关,表明了潜在的治疗策略.