与单核细胞系统相关的多组特征产生了头部和部状细胞癌亚型,具有明显的整体存活率,药物和免疫疗法反应
Cong Zhang1, Jielian Deng1, Kangjie Li1
1Department of Epidemiology and Health Statistics, School of Public Health, Chongqing Medical University, Yixue Road, Chongqing, 400016, China.
Journal of cancer research and clinical oncology
|January 26, 2024
概括
这项研究使用基于单核细胞系统 (MPS) 特征的机器学习将头状细胞癌 (HNSCC) 患者分为两种亚型. 一种亚型显示出改善的预后和药物反应,有助于精准医学.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 生物信息学是一种生物信息学.
背景情况:
- 单核细胞系统 (MPS) 在免疫防御中发挥作用.
- 缺乏基于MPS相关的多组特征和机器学习的头状细胞癌 (HNSCC) 患者的分类.
研究的目的:
- 使用基于MPS相关的多omics特征的机器学习来对HNSCC患者进行分类.
- 探索已识别的HNSCC亚型之间的临床,生物和治疗差异.
主要方法:
- 通过单细胞差异分析获得的MPS标记基因.
- 利用相似性网络融合和MoCluster算法进行多omics患者集群.
- 在独立数据集上使用最近的模板预测验证的结果.
主要成果:
- 根据MPS特征确定了两个HNSCC亚型 (CS1和CS2).
- CS2亚型表现出优异的预后和药物反应,增强了异生菌代谢和T/B细胞透.
- CS1亚型在凝血和JAK-STAT信号通路中得到了丰富.
结论:
- 通过使用机器学习和MPS相关的多omics数据,成功将HNSCC分为两种不同的亚型.
- 开发了一个强大的分类器",getMPsub",用于精确的HNSCC患者分层.
- 提供了关于HNSCC异质性和精准医学潜力的新见解.


