通过整体机器学习预测性结肠炎患者的抗TNF治疗失败:一项前性研究
Mohammad Hossein Derakhshan Nazari1, Shabnam Shahrokh2, Leila Ghanbari-Maman1,3
1Basic and Molecular Epidemiology of Gastrointestinal Disorders, Research Institute for Gastroenterology and Liver Diseases, Shahid Beheshti University of Medical Sciences, Tehran, Iran.
这项研究确定了对抗TNF治疗不反应的性结肠炎 (UC) 患者的关键基因和免疫细胞变化. 一个新的五个mRNA小组准确地预测了非响应者,使UC治疗的个性化药物成为可能.
科学领域:
- 胃肠病学 胃肠病学
- 免疫学 免疫学 免疫学
- 基因组学就是基因组学.
背景情况:
- 抗瘤坏死因子 (TNF) 治疗对于性结肠炎 (UC) 管理至关重要,但40%的患者没有反应.
- 早期识别不响应者 (UCN) 对个性化医学和替代治疗策略至关重要.
研究的目的:
- 发现替代治疗点,并开发一种用于诊断UC不响应抗TNF治疗的预测方法.
- 识别与对抗TNF治疗无反应相关的不同免疫细胞格局和基因特征.
主要方法:
- 来自35个UC样本的集成微阵列数据用于基因表达和功能分析.
- 采用LASSO特征选择和堆组合机器学习算法用于预测模型开发.
- 在UC患者的独立队列中验证了五个mRNA预后小组.
主要成果:
- 确定了313个显著改变的基因,突出了UCN中过度表达的IL6和INHBA,可能会减少调节性T细胞 (Tregs).
- 观察到中性粒细胞积累导致炎症和KRAS信号激活与抗TNF不响应相关.
- 开发了一个由五个mRNA组成的小组 (*IL13RA2*, *HCAR3*, *CSF3*, *INHBA*, *MMP1*) 以95.3%的准确度预测抗TNF反应.
结论:
- 确定了UCN与抗TNF药物的独特免疫和基因特征.
- 经过验证的五个mRNA小组显示了临床应用的潜力,用于预测UC患者的抗TNF治疗反应.
- 需要进一步的研究来将这些预测生物标志物和治疗目标转化为临床实践.
更多相关视频
10:21Mechanistic Insight into the Development of TNBS-Mediated Intestinal Fibrosis and Evaluating the Inhibitory Effects of Rapamycin
Published on: September 12, 2019
05:41Therapeutic Evaluation of Fecal Microbiota Transplantation in an Interleukin 10-Deficient Mouse Model
Published on: April 6, 2022
相关概念视频
Drugs for Treatment of Crohn's Disease in IBD Using Biologic Agents: Anti-TNF
Drugs for Treatment of Ulcerative Colitis in IBD
Drugs for Treatment of Crohn's Disease in IBD Using Immunomodulatory Agents
Drugs for Treatment of Crohn's Disease in IBD Using Glucocorticoids
Inflammatory Bowel Disease IV: Pharmacological Management
Pharmacologic...
