在急性髓性白血病中基于机器学习的PANoptosis模式的综合分析揭示了预测生存和免疫治疗的签名
Lanlan Tang1,2, Wei Zhang2, Yang Zhang1
1Department of Pediatrics, The Third Xiangya Hospital, Central South University, Changsha, Hunan 410013, China.
International journal of clinical practice
|February 7, 2024
概括
这项研究确定了与PANoptosis相关的基因 (PANRGs),以将急性髓性白血病 (AML) 患者分类为风险组. 一个19基因的签名和名图预测生存,突出显示了PANoptosis在AML预后和免疫透中的作用.
科学领域:
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
- 癌症生物学 癌症生物学
背景情况:
- 急性髓性白血病 (AML) 仍然是血液瘤学的重大挑战.
- 识别新的预后标志物对于改善患者的治疗结果至关重要.
研究的目的:
- 利用生物信息学来分析AML中的PANoptosis相关基因 (PANRGs).
- 开发AML患者存活率的预后特征和预测模型.
主要方法:
- 对226个PANRG和AML患者的临床数据进行生物信息学分析.
- 集群AML病例和差异表达基因 (PRDEGs) 的识别.
- 构建一个19基因的预后特征和一个名录模型.
主要成果:
- 在AML中确定了两个不同的PANRG集群和基因集群.
- 一个19基因的预后特征将患者分为高风险和低风险组.
- 风险评分与免疫细胞透和患者预后相关;LGR5和VSIG4表现不同.
结论:
- 基于PANoptosis的分子聚类和预后特征显示了预测AML患者存活率的潜力.
- 开发的诺米图谱通过整合风险得分和临床特征,促进了准确的生存预测.
