机器学习开发了一种基于MYC表达特征的签名,用于预测胰腺腺癌的预后和化学抵抗

科学领域:

• 在瘤学瘤学.
• 分子生物学分子生物学
• 遗传学 遗传学 是一个

背景情况:

• MYC瘤基因在各种癌症中发挥着重要作用.
• 在胰腺腺癌 (PAAD) 中,MYC相关基因的预后影响尚不清楚.

研究的目的:

• 澄清PAAD中MYC相关基因的预后价值.
• 开发一种预测模型,用于PAAD患者的生存和化疗反应.

主要方法:

• 利用TCGA,GSE57495,GSE62452和ICGC-PACA数据库进行基因表达和临床数据.
• 采用LASSO回归来构建基于7个已识别的基因的生存预测模型 (MYCsig).
• 分析了单细胞测序数据,并使用siRNA针对PANC-1细胞中的RHOF和ITGB6进行了功能研究.

主要成果:

• 高MYC表达与PAAD的预后不佳相关.
• 一个七基因签名 (MYCsig) 显示出强大的生存预测能力.
• MYCsig与HLA基因表达,免疫检查点和化疗反应正相关.
• 确定了RHOF和ITGB6作为通过表皮细胞-介质细胞过渡 (EMT) 调节化学抵抗的关键瘤基因.
• 下调RHOF和ITGB6降低了PANC-1细胞的扩散和入侵.

结论:

• MYCsig模型可以帮助评估风险,并预测PAAD中辅助化疗反应.
• RHOF和ITGB6是与EMT和PAAD中化学抵抗相关的新瘤基因,提供潜在的治疗点.