基于机器学习算法的cuproptosis相关风险评分预测预后,并描述头部和部状癌瘤的瘤微环境
Maodong Ye1, Guangping Zhang2, Yongjian Lu2
1Medical Cosmetic Center, First Affiliated Hospital of Shantou University Medical College, Shantou, 515041, Guangdong, People's Republic of China. 624683069@qq.com.
Scientific reports
|July 22, 2023
概括
新的细胞死亡途径cuproptosis对头部和部状细胞癌 (HNSC) 癌症治疗有前途. 一个机器学习模型使用与cuproptosis相关的基因预测患者的生存率和瘤特征.
科学领域:
- 在瘤学瘤学.
- 细胞生物学 细胞生物学
- 生物信息学是一种生物信息学.
背景情况:
- 型亡是一种新兴的编程细胞死亡途径,对癌症的诊断和治疗有潜在的影响.
- 头部和部状细胞癌 (HNSC) 需要新的预后工具来改善患者的治疗结果.
研究的目的:
- 通过使用先进的数据分析,开发 cuproptosis 相关的预后模型和 HNSC 的风险评分.
- 探索开发风险得分与瘤微环境 (TME) 和HNSC.中的瘤免疫之间的关联.
主要方法:
- 利用蛋白质-蛋白质相互作用网络和机器学习算法来识别关键基因.
- 构建了一个TreeGradientBoosting模型来预测整体存活率,并分析了与TME和免疫特征的风险得分相关性.
主要成果:
- 树梯度增强模型实现了高的预测准确性 (C指数为0.776在培训和0.848在验证队列).
- 综合风险分数和临床特征的诺莫图显示出强大的预后性能.
- 在高风险和低风险患者组之间观察到TME和免疫特征的显著区别.
结论:
- 杯症相关风险评分是HNSC患者预后的有价值预测指标.
- 这种风险评分有效地描述了HNSC的瘤微环境和免疫格局,有助于制定治疗策略.
更多相关视频
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.3K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
