基于大规模CRISPR-Cas9查和机器学习的 papillary细胞癌的新型分子分类和预后

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• 乳头细胞癌 (PRCC) 是一种异质的癌症,在晚期生存率较低.
• 对于PRCC的分子机制和预后预测因素需要进一步研究.

研究的目的:

• 为了确定PRCC.的新型分子分类.
• 为PRCC患者开发可靠的预后模型.

主要方法:

• 来自TCGA,GEO,GTEx和TARGET数据库的表达式数据的综合分析.
• 利用CRISPR查,差异表达和预后能力来进行关键基因选择.
• 采用机器学习算法用于预测签名开发和外部验证.

主要成果:

• 根据41个关键基因,确定了三个PRCC分子群 (C1,C2,C3).
• 集群C2显示了更高的关键基因表达和更低的存活率.
• 使用9个基因开发了一个强大的预后特征,其中SERPINH1被确定为关键的预后因素.

结论:

• 这项研究提出了PRCC的新型分子分类和预后特征.
• 这些发现表明PRCC管理的潜在生物标志物和治疗目标.