使用机器学习和基于表皮-介质细胞转变相关基因的多omics方法构建了结直肠癌个性化的预后风险模型
Shuze Zhang1, Wanli Fan1, Dong He1
1Department of General Surgery, Lanzhou University Second Hospital, Lanzhou, China.
The journal of gene medicine
|January 28, 2024
概括
这项研究开发了一种使用基因表达来预测结直肠癌 (CRC) 患者风险的机器学习模型. 该模型准确地对患者进行分层,指导个性化治疗策略,以获得更好的结果.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- 结肠直肠癌 (CRC) 的进展和转移与上皮-介质细胞过渡 (EMT) 有关.
- 需要准确的预后工具来进行个性化的CRC治疗.
研究的目的:
- 开发一种基于机器学习的结直肠癌风险分层模型,使用与EMT相关的基因.
- 为了确定个性化癌症治疗的预后生物标志物.
主要方法:
- 利用公开数据集中的多组和基因表达数据.
- 采用CoxBoost算法来识别预后性EMT相关基因.
- 在独立的CRC患者队列上验证了风险模型.
主要成果:
- 该模型有效地将CRC患者分为高风险和低风险组,具有不同的生存结果.
- 衍生风险评分是CRC的独立预后指标.
- 高风险患者表现出免疫抑制瘤微环境和差异化敏感性.
结论:
- 一个新的机器学习模型基于EMT相关的基因表达精确预测CRC患者的预后.
- 该模型有助于识别可能受益于特定化疗剂的患者.
- 在CRC中发现了涉及PVT1,TIMP1和MMP1的潜在监管相互作用.


