使用机器学习开发预后性中性细胞外细胞陷与软组织肉瘤相关的lncRNA签名,使用机器学习
Binfeng Liu1,2, Shasha He3, Chenbei Li1,2
1Department of Orthopaedics, The Second Xiangya Hospital of Central South University, Changsha, Hunan, China.
Frontiers in immunology
|January 24, 2024
概括
一个新的机器学习模型使用长非编码RNAs (lncRNAs) 和中性细胞外细胞陷 (NETs) 预测软组织肉瘤 (STS) 的预后. 这种NETsLnc签名有助于为STS患者提供个性化治疗策略.
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:
- 软组织肉瘤 (STS) 是一种影响人类健康的异质恶性瘤.
- 长非编码RNAs (lncRNAs) 和中性细胞外细胞陷 (NETs) 在瘤发育中发挥关键作用.
- 开发STS的新型预后工具对于改善患者的治疗结果至关重要.
研究的目的:
- 开发一种新的NETsLnc相关签名,用于STS的临床决策.
- 预测STS患者的预后和治疗反应.
- 为了提高STS的精准医学方法.
主要方法:
- 应用了96个机器学习框架来创建共识的NETsLnc签名.
- 利用权重基因共同表达网络分析 (WGCNA) 来识别NETsLncs.
- 使用实时定量PCR (RT-qPCR) 验证的基因表达.
主要成果:
- 在预测STS存活方面,NETsLnc签名表现稳定且出色.
- 低NETsLnc得分的患者表现出增强的免疫活性和潜在的免疫治疗反应.
- 高NETsLnc得分的患者有更多的基因组变异,对克里斯的反应更好.
结论:
- NETsLnc签名是预测STS预后的一个有前途的工具.
- 这个签名加深了对STS生物学和治疗的理解.
- 它为更有针对性和有效的STS治疗策略开辟了道路.
更多相关视频
09:33Author Spotlight: Finding New Therapeutic Targets for Malignant Peripheral Nerve Sheath Tumor Through Genome-Scale shRNA Screens
Published on: August 25, 2023
1.1K
08:49Exosomal miRNA Analysis in Non-small Cell Lung Cancer NSCLC Patients' Plasma Through qPCR: A Feasible Liquid Biopsy Tool
Published on: May 27, 2016
11.1K
