探索一种新的七基因标记物和线粒体基因TMEM38A,用于使用机器学习算法预测宫癌放射治疗灵敏度

科学领域:

• 在瘤学瘤学.
• 分子生物学分子生物学
• 遗传学 遗传学 是一个

背景情况:

• 放射治疗对于宫癌 (CC) 治疗至关重要,但耐药性是导致失败的主要原因.
• 在CC中放射治疗耐药性的机制尚未完全理解.
• 线粒体基因正在成为癌症分子治疗的潜在目标.

研究的目的:

• 在宫癌中识别与放射治疗敏感性相关的基因.
• 探索线粒体基因在克服放射治疗耐药性的作用.
• 开发CC中放射治疗反应的预测模型.

主要方法:

• 利用TCGA数据库比较不同放射治疗反应的CC患者的基因表达.
• 应用LASSO回归和随机森林来识别关键的差异表达基因 (DEG).
• 分析了核心基因,免疫细胞透和通过qPCR和IHC验证的TMEM38A表达之间的相关性.

主要成果:

• 确定了7个关键基因 (GJA3,TMEM38A,ID4,CDHR1,SLC10A4,KCNG1,HMGCS2) 与放射治疗敏感性相关.
• 丰富的通路包括p53,KRAS和PI3K/AKT/MTOR信号传输.
• 使用这些7个基因开发了CC放射治疗敏感性的预测模型,并确定了克服耐药性的潜在药物.

结论:

• 这7个已识别的基因与宫癌放射治疗敏感性有很强的相关性.
• 线粒体基因TMEM38A显示出显著的相关性,并具有作为生物标记物的潜力.
• 这些发现提供了对分子亚型和改善CC放射治疗结果的潜在治疗点的见解.