基于机器学习的编程细胞死亡相关模型,用于预测肺腺癌患者的预后和免疫治疗反应

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 免疫治疗是一种免疫疗法.

背景情况:

• 肺腺癌 (LUAD) 是癌症死亡的主要原因,预后不佳.
• 编程细胞死亡 (PCD) 在癌症发展中起着关键作用,但其在LUAD中的全面作用尚未得到充分理解.

研究的目的:

• 开发和验证基于PCD相关基因 (PCDRGs) 的LUAD预后模型.
• 评估模型预测患者预后,瘤特征和免疫治疗反应的能力.

主要方法:

• 在LUAD中对PCDRG的多原子数据分析.
• 使用机器学习算法开发和验证细胞死亡得分 (CDS) 模型.
• 高和低CDS组之间的基因组特征,瘤微环境和免疫细胞透的比较.
• 评估CDS用于预测免疫治疗反应.

主要成果:

• 一个基于四个PCDRG的CDS模型准确地分层了LUAD患者,高CDS与预后差相关.
• CDS模型的表现优于之前发布的77个LUAD签名.
• 高CDS与显著的遗传变化 (突变数,TMB,CNV),改变的免疫细胞透和微卫星不稳定性有关.
• CDS可靠地预测了免疫治疗队伍的治疗反应,高DDIT4表达表明了突起效应.

结论:

• 开发的CDS模型为预测LUAD患者的结果和指导个性化治疗策略提供了一个强大的工具.
• 这种方法通过提供准确的预后和预测信息来增强临床管理.