一种基于机器学习的基于编程细胞死亡的新型临床诊断和预后模型,与子宫内膜癌的免疫透相关
Jian Xiong1, Junyuan Chen2, Zhongming Guo3
1Department of Obstetrics and Gynaecology, Guangzhou Women and Children's Medical Center, Guangzhou Medical University, Guangzhou, China.
Frontiers in oncology
|August 3, 2023
概括
这项研究确定了与编程细胞死亡 (PCD) 相关的基因,以预测子宫内膜癌 (EC) 的预后. 一个新的11基因特征为EC患者提供了潜在的治疗点.
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:
- 子宫内膜癌 (EC) 的预后受编程细胞死亡 (PCD) 途径的影响.
- 了解PCD相关基因的作用对于开发有效的治疗策略至关重要.
研究的目的:
- 调查EC中PCD相关基因的机制.
- 建立基于PCD相关基因的EC患者的预后模型.
主要方法:
- 使用TCGA数据,包括RNA测序,SNV和临床信息.
- 应用共识聚类,WGCNA和LASSO算法来识别预后基因并构建模型.
- 使用生物信息学方法评估了基因特征的生物学意义.
主要成果:
- 确定了43个与PCD相关的预后基因,将EC患者分为两组,具有明显的临床和免疫透特征.
- 开发了一种具有良好诊断性能的11基因预后模型,将风险得分与患者年龄,瘤阶段/等级和预后相关联.
- 发现LRPPRC是一种不良预后基因,与增殖,PCD和免疫细胞透有关,在晚期和已故患者中更高.
结论:
- 与PCD相关的基因特征有效预测了EC患者的预后.
- 这种签名为EC干预提供了潜在的治疗目标.
