机器学习开发了一种编程细胞死亡签名,用于预测卵巢癌的预后,生态系统和药物敏感性
1Department of Blood Transfusion, The Second Affiliated Hospital of Nanchang University, Nanchang 330000, China.
Analytical cellular pathology (Amsterdam)
|October 23, 2023
概括
一种新的细胞死亡特征 (CDS) 预测卵巢癌存活率和免疫治疗反应. 这种签名有助于通过分析瘤微环境和免疫细胞活性来识别可能受益于治疗的患者.
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:
- 卵巢癌 (OC) 是女性妇科癌症死亡的主要原因.
- 编程细胞死亡对于瘤的进展和对癌症免疫治疗的反应至关重要.
研究的目的:
- 构建和验证用于卵巢癌的预后细胞死亡特征 (CDS).
- 探索CDS与瘤微环境和OC患者免疫治疗反应之间的相关性.
主要方法:
- 使用10种方法的集成机器学习方法用于构建CDS.
- 使用了多个公共数据集 (TCGA,GSE14764,GSE26193,GSE26712,GSE63885,GSE140082) 的数据.
- 应用单细胞分析和各种统计方法来评估CDS.
主要成果:
- 使用StepCox和Enet开发的CDS独立预测OC患者的整体存活率 (OS),准确度高 (C指数高于临床因素).
- 较低的CDS得分与免疫激活的瘤微环境 (增加CD8+T细胞,B细胞,M1巨细胞) 和更好的免疫治疗反应标志物 (更高的PD1/CTLA4,瘤突变负担) 相相关.
- 高的CDS得分与激活的癌症特征有关,如血管新生,上皮-介质细胞过渡和缺氧.
结论:
- 开发了一种用于卵巢癌的新型预后细胞死亡特征 (CDS).
- CDS作为一个有价值的指标,预测OC患者的预后,免疫微环境状态和免疫治疗的潜在益处.
更多相关视频
09:08Integration of Bioinformatics Approaches and Experimental Validations to Understand the Role of Notch Signaling in Ovarian Cancer
Published on: January 12, 2020
6.8K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
