集成机器学习驱动的二硫症概况:CYFIP1和EMILIN1作为神经母细胞瘤中治疗节点

科学领域:

• 在瘤学瘤学.
• 细胞生物学 细胞生物学
• 遗传学 是一个遗传学.

背景情况:

• 神经母细胞瘤 (NB) 是一种高风险的儿科癌症,具有复杂的发病性.
• 在NB中,新型细胞死亡途径二硫化的作用尚不清楚.

研究的目的:

• 为了调查与dissulfidptosis相关的分子亚型和神经母细胞瘤的预后指标.
• 根据dissulfidptosis,确定NB的潜在治疗标和诊断标记.

主要方法:

• 用于分子亚型的高斯混合模型 (GMM).
• 权重基因共同表达网络分析 (WGCNA) 以确定关键基因模块.
• 机器学习 (LASSO,RSF) 用于预测模型的开发和验证.
• 在体外实验验验证核心基因的功能 (CYFIP1,EMILIN1).

主要成果:

• 鉴定出了三种不同的NB亚型,预后和途径干扰不同.
• 一个基于与二硫化相关的基因的预后模型准确地预测了患者的结果.
• 核心基因CYFIP1和EMILIN1的破坏损害了NB细胞的增殖,迁移和入侵,导致细胞骨的变化.

结论:

• 与二硫化相关的基因评分可以预测NB的预后和分子亚型.
• CYFIP1和EMILIN1是神经母细胞瘤的有希望的治疗点和诊断标记物.