基于机器学习的集成开发了来自中性粒细胞的特征,以改善肝细胞癌的结果
Qiming Gong1,2, Xiaodan Chen3, Fahui Liu4
1Department of Medical Oncology 2, The People's Hospital of Guangxi Zhuang Autonomous & Institute of Oncology, Guangxi Academy of Medical Sciences, Nanning, China.
Frontiers in immunology
|August 14, 2023
概括
这项研究揭示了肝细胞癌 (HCC) 中的中性粒细胞异质性,并开发了一种中性粒细胞衍生特征 (NDS) 风险模型. 该NDS准确地预测HCC患者的预后和治疗反应.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 生物信息学是一种生物信息学.
背景情况:
- 瘤免疫微环境的异质性影响肝细胞癌 (HCC) 的预后.
- 中性粒细胞在HCC免疫微环境中发挥着关键作用,但需要根据中性粒细胞特征进行患者分层.
- 在HCC中有效描述中性粒细胞特征对于临床决策至关重要.
研究的目的:
- 根据中性粒细胞异质性对HCC患者进行分层.
- 开发一种基于机器学习的风险模型,用于预测HCC预后.
- 为了识别HCC的新型分子标记物.
主要方法:
- 使用批量和单细胞测序数据的分层HCC患者队列.
- 从101个预测模型中整合机器学习构建了一个风险模型.
- 通过分子生物学实验验验证了必要的基因.
主要成果:
- 鉴定出具有预后,临床病理和免疫特征显著差异的HCC亚型.
- 开发了一种10基因中性粒细胞衍生特征 (NDS) 风险模型 (RiskScore).
- NDS风险评分显示出更高的预后准确性,与恶性瘤相关,并预测了治疗疗效.
结论:
- 中性粒细胞在HCC瘤微环境中起着至关重要的作用.
- 国家数据库是HCC风险评估和临床治疗指导的宝贵工具.
- RTN3显示出作为HCC的分子标记物的潜力.
