相关实验视频
Updated: Jul 12, 2025
08:36
In Vitro Assay to Study Tumor-macrophage Interaction
Published on: August 1, 2019
7.6K
基于机器学习的集成开发了一种巨细胞相关指数,用于预测肺腺癌的预后和免疫治疗反应
Zuwei Li1, Minzhang Guo1, Wanli Lin2
1Department of Thoracic Surgery and Institute of Thoracic Oncology, West China Hospital, Sichuan University, Chengdu, China.
Archives of medical research
|October 21, 2023
概括
这项研究开发了一种巨相关指数 (MRI) 来预测肺腺癌 (LUAD) 的结果. 低MRI得分表明免疫治疗反应更好,并改善了LUAD患者的生存率.
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:
- 巨细胞在肺腺癌 (LUAD) 瘤免疫微环境 (TIME) 和癌症进展中至关重要.
- 关于在LUAD中全面表征巨细胞的研究有限.
研究的目的:
- 确定巨相关的标记物,并为LUAD开发巨相关指数 (MRI).
- 评估MRI与时间,免疫疗法生物标志物和患者预后的相关性.
主要方法:
- 单细胞RNA测序数据 (GSE189487) 用于识别巨细胞标记物.
- 一种集成式机器学习方法,使用10个算法,使用TCGA和其他数据集构建了MRI.
- 评估了与 TIME 的关联,免疫疗法生物标志物和免疫疗法反应 (GSE91061).
主要成果:
- 从Lasso和plsRCox算法获得的最佳MRI是LUAD的独立风险因素,并预测了整体存活率.
- 低MRI得分与更高的TIME得分,免疫细胞增加,更高的免疫表和较低的瘤免疫功能障碍和排斥 (TIDE) 得分相关,这表明免疫治疗反应更好.
- 低MRI分数的患者在化疗和向治疗药物中显示出更高的IC50值.
结论:
- 这项研究介绍了使用10个机器学习算法开发的LUAD的第一个共识MRI.
- 核磁共振显示了临床应用的潜力,用于风险分层,预后预测和引导LUAD的治疗策略.
