基于多种机器学习组合的肺腺癌中GPCR基因特征的多omics识别
Yiluo Xie1,2, Xinyu Pan3, Ziqiang Wang4
1Department of Clinical Medicine, Bengbu Medical College, Bengbu 233030, China.
Journal of Cancer
|January 12, 2024
概括
研究人员使用G蛋白结合受体基因开发了一种新的肺腺癌特征,以预测患者的预后和免疫治疗反应. 这个签名识别了改善肺癌治疗的潜在治疗点.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 免疫治疗是一种免疫疗法.
背景情况:
- 肺腺癌是全球癌症死亡的主要原因之一.
- G蛋白结合受体 (GPCR) 涉及癌症,但它们在肺腺癌预后中的作用需要进一步调查.
研究的目的:
- 开发和验证一种新的G蛋白合受体相关签名 (GPCRRS),用于预测肺腺癌的预后.
- 评估GPCRRS在预测免疫治疗反应和识别潜在治疗点方面的有用性.
主要方法:
- 使用单细胞和批量转录组学 (AUcell,ssGSEA,WGCNA) 选与GPCR相关的基因.
- 使用机器学习框架构建和验证共识GPCRRS.
- 集成与多omics数据 (基因组学,转录组学) 和nomogram用于临床预后预测.
主要成果:
- 确定了一种10基因的GPCRRS,与肺腺癌预后有显著的关联.
- GPCRRS证明了独立的预后价值和差异化的风险小组,具有不同的生物功能和免疫微环境.
- 在高风险组和低风险组之间观察到免疫治疗反应的显著差异,并确定了潜在的向药物.
结论:
- 经过验证的GPCRRS有效预测肺腺癌的预后和免疫治疗反应.
- 建议LDHA,GPX3和DOCK4作为肺腺癌的新型治疗点.
- GPCRRS为肺癌的个性化预防和治疗策略提供了指导.
