机器学习揭示了肺腺癌预后和治疗中的多种细胞死亡模式
Shun Wang1, Ruohuang Wang2, Dingtao Hu3
1Department of Respiratory Medicine, Shanghai Xuhui Central Hospital, Zhongshan-Xuhui Hospital, Fudan University, Shanghai, 200031, China.
NPJ precision oncology
|February 27, 2024
概括
一个新的编程细胞死亡指数 (PCDI) 模型预测肺腺癌 (LUAD) 患者的结果,并指导治疗. 这种基于十个关键基因的PCDI有助于为LUAD患者选择个性化治疗.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 肺腺癌 (LUAD) 在预后和治疗方面存在挑战,原因是细胞生长,转移和耐药性.
- 现有的LUAD预测模型在预测患者的结果和指导向治疗方面缺乏准确性.
- 编程细胞死亡 (PCD) 途径在癌症的发展和进展中至关重要,为LUAD提供了前性和药物敏感性标志物的潜力.
研究的目的:
- 开发和验证用于LUAD预后和治疗选择的预测模型.
- 在LUAD中识别与编程细胞死亡 (PCD) 相关的关键基因.
- 为了创建一个预后指数 (PCDI) 和nomograms为LUAD患者管理.
主要方法:
- 整合了13个PCD模式,包括大量RNA,单细胞RNA转录组学和来自TCGA-LUAD和GEO数据集的临床病理数据.
- 采用机器学习算法来识别与LUAD中PCD相关的十个差异表达基因.
- 开发了一种编程细胞死亡指数 (PCDI) 和预后性名ograms,分析与免疫特征和治疗反应的相关性.
主要成果:
- 在LUAD中确定了十个关键的PCD相关基因:CHEK2,KRT18,RRM2,GAPDH,MMP1,CHRNA5,TMPRSS4,ITGB4,CD79A和CTLA4.
- 开发了一种与LUAD免疫特征显著相关的PCDI,包括免疫细胞透和免疫检查点分子表达.
- 高PCDI分数表明对免疫疗法和标准化疗的潜在耐药性,但表明多塞塔克塞尔和达沙替尼布等药物有所益处.
结论:
- 编程细胞死亡指数 (PCDI) 显示为肺腺癌的预后签名.
- PCDI可以帮助分层LUAD患者进行个性化治疗策略.
- 这种模型可以改善LUAD患者的治疗决策,包括那些对传统治疗有耐药性的患者.
