基于并行多组学,识别不匹配修复缺陷结肠腺癌患者的综合生物标志物
Zhengjun Li1, Linxin Teng2, Zhiwei Pan3
1College of Health Economics Management, Nanjing University of Chinese Medicine, Nanjing, Jiangsu, China; Jiangsu Provincial Engineering Research Center of TCM External Medication Development and Application, Nanjing, China.
Laboratory investigation; a journal of technical methods and pathology
|December 17, 2023
概括
新的生物标志物,包括免疫球蛋白兰巴达结合3和人工智能识别的核特征,可以改善不匹配修复缺陷 (dMMR) 固体瘤的检测和预后. 这些发现提供了一个比目前的dMMR患者管理方法更准确的方法.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 人工智能在医学中的应用
背景情况:
- 免疫检查点抑制剂在不匹配修复缺陷 (dMMR) 固体瘤中显示出显著的有效性.
- 目前的dMMR检测方法,如PCR-毛细管电泳,具有局限性,包括与遗传因素和MMR系统复杂性相关的准确性问题.
- 需要改善dMMR癌症的诊断和预后生物标志物.
研究的目的:
- 开发新的人工智能 (AI) 驱动的生物标志物,使用病理图像进行增强的dMMR检测.
- 识别和验证与dMMR状态相关的差异基因表达 (DEGs).
- 为dMMR患者创建准确的诊断和预后模型.
主要方法:
- 利用癌症基因组图谱 (TCGA) 表达特征数据对dMMR患者的DEG进行查.
- 开发基于AI的诊断模型,分析病理图像特征.
- 使用多重考克斯回归分析构建了一个预后模型,其中包括基因表达和病理特征.
主要成果:
- 在dMMR患者中发现免疫球蛋白兰巴达加入3的显著下调,与预后负相关.
- 人工智能诊断模型在训练,测试和外部验证集中实现了高性能 (AUC 0.73-0.86).
- 开发了一个强大的预后模型,在1年,3年和5年的间隔内具有出色的预测准确性 (AUCs 0.88-0.89).
结论:
- 免疫球体兰巴结合3和AI识别的核形状参数 (质地,离心率,大小,强度) 是dMMR的独立诊断和预后因素.
- 这些因素代表了改善dMMR患者识别和管理的有希望的新生物标志物.
- 该研究强调了将人工智能与病理学和基因组学整合到精确瘤学的潜力.
