开发和验证一种使用集成机器学习和生物信息学分析的神经母细胞瘤的新型茎状性相关预后模型
Yuren Xia1,2, Chaoyu Wang1, Xin Li1,3
1National Clinical Research Center for Cancer, Key Laboratory of Cancer Prevention and Therapy, Tianjin's Clinical Research Center for Cancer, Tianjin Medical University Cancer Institute & Hospital, Tianjin, China.
Translational pediatrics
|February 7, 2024
概括
一个新的四基因签名识别了神经母细胞瘤 (NB) 患者的高癌症干,预测不良预后. 这种特征有助于风险分层,并可能指导针对性神经母细胞瘤的向治疗.
科学领域:
- 儿科瘤学 儿科瘤学
- 癌症基因组学 癌症基因组学
- 机器学习在医学中的应用
背景情况:
- 神经母细胞瘤 (NB) 是一种常见的儿童癌症,在高风险病例中结果不佳.
- 癌症干的异质性显著影响NB的攻击性和患者的预后.
- 精确的预后模型对于改善NB治疗策略至关重要.
研究的目的:
- 使用机器学习探索神经母细胞瘤中癌症干细胞特征.
- 为了在NB中识别潜在的向疗法,识别与茎相关的枢纽基因.
- 开发基于癌症干的神经母细胞瘤预后模型.
主要方法:
- 使用GSE49710数据集计算基于信使RNA (mRNA) 表达的干性指数 (mRNAsi).
- 识别了差异表达基因 (DEG) 和与茎相关的枢纽基因,使用LASSO回归来构建四个基因的特征.
- 评估了干性,免疫微环境和预后之间的关联,开发了一个在独立队列中验证的预测性名ogram.
主要成果:
- 高mRNAsi与先进的国际神经母细胞瘤分期系统 (INSS) 阶段,MYCN放大和更差的预后相关.
- 一个四个基因签名 (ERCC6L,DUXAP10,NCAN,DIRAS3) 显示出显著的预后能力 (AUC=0.918) 并被外部验证.
- 为了临床应用,开发了一种整合四基因特征和INSS阶段的诺姆图.
结论:
- 癌症干的特征显著影响神经母细胞瘤的预后.
- 新的四基因签名为NB的预后预测提供了一个强大的工具.
- 识别的枢纽基因代表了个性化NB治疗的潜在治疗点.
