多细胞网络信息生存模型用于识别质瘤的药物标

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:

• 瘤细胞 (TC) 和瘤相关的巨细胞 (TAM) 通信显著影响低度质瘤 (LGG) 的进展.
• 建模这种交叉通话对于理解LGG患者的预后和开发新疗法至关重要.

研究的目的:

• 开发一个翻译研究管道,构建一个多细胞相互作用基因网络 (MIGN).
• 通过建模TAM-TC相互作用来识别LGG的可药物点和新的治疗策略.

主要方法:

• 从小鼠质瘤RNA-seq数据中选择了与免疫治疗相关的特征基因 (IFG),并将其转化为人类基因组.
• 使用人类LGG数据构建了单独的TAM和TC关联网络,进行了集群,并使用K指数将基因集群与生存相关联.
• 通过整合与生存相关的集群构建了MIGN,并开发了一个基于MIGN的生存模型来识别预后特征.

主要成果:

• 基于MIGN的预后特征被确定,包括连接体,受体和枢纽基因.
• 该签名在独立验证队列中显示出高预测准确性 (AUC为0.881,0.867,0.839的1年,3年和5年生存率).
• 文献审查和药物反应评估强调了针对性免疫疗法的特征基因的潜力.

结论:

• 开发的MIGN模型和预后签名为识别LGG中的治疗点提供了有希望的方法.
• 这一策略可能会导致新的免疫疗法,旨在延长LGG患者的存活时间.