一个基于瘤微环境相关基因表达的预后数学模型,用于乳腺癌患者

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 免疫学 免疫学 免疫学

背景情况:

• 瘤微环境 (TME) 状态显著影响乳腺癌 (BC) 的预后和治疗疗效.
• 之前的研究还没有完全探索BC TME内的免疫细胞和树皮细胞之间的基因表达相互作用.
• 这项研究通过开发BC辅助器决策的预测模型来解决这一差距.

研究的目的:

• 使用TME分子表达数据构建乳腺癌预后和治疗敏感性的预测模型.
• 为了确定与TME相关的基因,这些基因对BC患者的预后.
• 评估模型预测化疗和免疫治疗反应的能力.

主要方法:

• 利用癌症基因组图谱 (TCGA) 来获取临床和基因表达数据,根据免疫/肌分数对患者进行分层.
• 通过卡普兰-梅尔分析,丰富分析和蛋白质-蛋白质相互作用 (PPI) 网络识别出预后性TME基因,在基因表达综合 (GEO) 数据库中得到验证.
• 开发并验证了一种使用最小绝对收缩和选择运算符 (LASSO) 考克斯回归的预后模型,评估治疗反应与生存结果和免疫组织化学 (IHC).

主要成果:

• 预后模型有效地区分高风险组和低风险组,显示整体存活率的显著差异 (p < 0.05).
• 风险模型证明了与临床病理学参数的独立性以及BC患者预后的高预测准确性.
• 该模型准确地预测了化疗和免疫疗法的疗效,这表明在特定患者群体中可能忽略了基于 antracycline 的治疗.

结论:

• 基于TME相关基因的预后得分模型准确预测乳腺癌患者的预后和化疗反应.
• 这个模型为在BC发现新型驱动基因提供了基础.
• 它为早期乳腺癌 (eBC) 的辅助治疗决策提供了宝贵的指导.