在骨髓质疏松症候群中预测白血病转变,使用转录学签名

科学领域:

• 基因组学和生物信息学
• 血液学和瘤学研究
• 计算生物学 计算生物学

背景情况:

• 转录基因模型显示出预测白血病转化在骨髓质疏松症候群 (MDS) 的前景.
• 现有的模型往往缺乏外部验证,依赖于特定的细胞群 (CD34+分类细胞),限制了临床适用性.
• 对于MDS进展,需要强大的,经过验证的预后工具.

研究的目的:

• 在MDS中识别转化相关的基因表达模式.
• 开发和验证一种新的预后评分系统,用于预测MDS患者的白血病转变.
• 评估使用未分类细胞的新模型的临床可行性.

主要方法:

• 权重基因共同表达网络分析 (WGCNA) 用于从转录组数据 (GSE58831) 中识别转换特异性基因模块.
• 应用了最小绝对缩小和选择运算符 (LASSO) 算法,以使用15个基因签名构建预后得分 (MDS15).
• MDS15模型在CD34+排序细胞 (GSE58831) 上进行了训练,并在未排序细胞 (GSE15061) 上进行了验证.

主要成果:

• 鉴定出一种转化特异性基因模块 ("棕色"),它富含转录调节通路.
• 基于15个基因签名的MDS15得分,在训练和独立测试集中,与IPSS/WPSS相比,显示出更高的预测能力 (AUC,C指数).
• 该模型在未分类细胞的独立队列上实现了高预测准确度 (AUC 0.933,C指数 0.86).

结论:

• 基因共同表达分析成功地确定了MDS转换的关键基因模块.
• 新的MDS15预后系统提供了一种经过验证的,可能更具临床适用性的工具,用于预测MDS中的白血病转变.
• 在一个独立的队列和未排序的细胞上验证MDS15分数的验证支持其稳健性和现实世界的实用性.