相关实验视频
Updated: Jul 10, 2025
08:49
A 3D Organotypic Melanoma Spheroid Skin Model
Published on: May 18, 2018
15.8K
通过机器学习策略和实验验证的Anoikis模式在黑色素瘤中表现出不同的预后和免疫景观
Jinfang Liu1, Rong Ma2, Siyuan Chen1
1Department of Plastic and Reconstructive Surgery, Shanghai Tenth People's Hospital, School of Medicine, Tongji University, No. 301 Middle Yanchang Road, Shanghai, China.
概括
这项研究开发了一种新的黑色素瘤预后模型,使用与阿诺基斯相关的基因. 该模型准确预测患者的生存率,并可能指导免疫治疗策略.
科学领域:
- 在瘤学瘤学.
- 分子生物学分子生物学
- 基因组学就是基因组学.
背景情况:
- 安诺基斯 (Anoikis) 是由矩阵脱离引发的受程序细胞死亡,在消除功能失调的细胞方面发挥着作用.
- 了解黑色素瘤的预后和免疫格局可以通过基于年鉴的患者分层来改进.
- 黑色素瘤是一个重大的公共卫生问题,需要新的预后工具.
研究的目的:
- 为黑色素瘤患者开发和验证基于阿诺基斯的预后签名.
- 为了研究阿诺基斯签名和瘤免疫微环境之间的关系.
- 评估签名在预测治疗反应方面的潜力.
主要方法:
- 对癌症基因组图谱 (TCGA) 和基因型-组织表达数据集进行了差异基因表达分析.
- 机器学习算法,包括LASSO和SVM-RFE,用于从差异表达的基因构建预后签名.
- 该签名在独立数据集 (GSE65904,GSE22155) 和使用免疫组织化学的临床样本中得到了验证.
主要成果:
- 建立了一个与十基因阿诺基斯相关的预后特征,准确地预测了多个队列中黑色素瘤患者的整体存活率.
- 高风险患者的存活时间显著缩短,而低风险患者显示出不同的免疫特征,包括较低的免疫细胞透率和较高的免疫色素.
- 该签名将NOTCH3,PIK3R2和SOD2确定为与预后相关的关键基因,在临床黑色素瘤样本中NOTCH3和PIK3R2蛋白水平升高.
结论:
- 通过机器学习成功开发了一种强大的与anoikis连接的黑色素瘤预后签名.
- 这一签名有望改善患者预后评估,指导临床治疗决策,特别是免疫疗法.
- 需要进一步的研究来探索这种签名的治疗含义.
