基于机器学习的细胞死亡特征,用于预测胃腺癌的预后和免疫治疗益处

科学领域:

• 在瘤学瘤学.
• 遗传学 遗传学 是一个
• 免疫治疗是一种免疫疗法.

背景情况:

• 胃腺癌 (STAD) 是一种普遍存在的恶性瘤,死亡率高.
• 编程细胞死亡 (PCD) 在癌症进展中起着关键作用,但其与STAD的关系尚未完全理解.
• 与PCD相关的基因 (PRG) 需要进一步调查它们对STAD的影响.

研究的目的:

• 构建和验证胃腺癌的PCD相关签名 (PRS).
• 评估PRS在预测患者预后和免疫治疗反应方面的有效性.
• 探索PRS在指导STAD治疗决策方面的潜力.

主要方法:

• 使用TCGA和多个GEO数据集 (GSE15459,GSE26253,GSE62254,GSE84437)进行分析.
• 使用整合方法开发了一个PRS,使用10种机器学习方法,确定Lasso + CoxBoost是最优的.
• 使用免疫疗法数据集 (GSE91061,GSE78220,IMvigor210) 和生存分析验证了PRS的预测性能.

主要成果:

• 最佳的PRS在预测STAD患者的整体存活率方面表现强 (1年,3年,5年AUC:0.771,0.751,0.827).
• 高的PRS得分与免疫细胞活性降低,免疫逃脱率更高,TMB较低和免疫治疗反应较差相关.
• 在高PRS组中观察到化学疗法和向治疗药物的IC50值升高,表明治疗耐药性.

结论:

• 开发的PRS是STAD患者可靠的独立风险因素.
• 在STAD中,PRS是预后预测,风险分层和个性化治疗指导的宝贵工具.
• 这个签名提供了对免疫逃避机制和胃腺癌潜在治疗漏洞的见解.