相关实验视频
Updated: Aug 10, 2026
16:24
Profiling of Estrogen-regulated MicroRNAs in Breast Cancer Cells
Published on: February 21, 2014
20.2K
通过机器学习算法构建乳腺癌中与氧化压力相关的基因特征
Daojun Hu1, Bing Qin1, Li Zhang1
1Department of Laboratory Medicine, Chongming Hospital Affiliated to Shanghai University of Medicine and Health Sciences, Shanghai, China.
The Journal of international medical research
|March 23, 2024
概括
一个新的与氧化压力相关的基因 (OSRG) 签名有效预测乳腺癌的预后. 这种OSRG签名与免疫细胞透有关,为改善患者结果预测提供了潜力.
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:
- 氧化应激对乳腺癌的发展和进展起着重要作用.
- 确定可靠的预后生物标志物对于个性化乳腺癌治疗至关重要.
研究的目的:
- 开发一种使用氧化应激相关基因 (OSRG) 签名的乳腺癌预后模型.
- 评估OSRG签名的预测性能和临床实用性.
主要方法:
- 使用LASSO和Cox回归分析确定了与氧化压力相关的基因 (OSRG).
- 基因表达和蛋白质表达数据使用癌症基因组图谱 (TCGA) 和人类蛋白质图谱进行了分析.
- 使用ROC,校准和决策曲线分析来评估模型稳定性.
主要成果:
- 在训练和测试数据集中,OSRG签名显示了对整体存活的良好预测准确性 (AUC从0.602到0.751不等).
- 校准图表表明预测和观察结果之间存在很强的一致性.
- 途径分析揭示了高风险组癌症相关途径的丰富,免疫透分析突出了免疫细胞的作用.
结论:
- 开发的OSRG签名是乳腺癌患者有前途的预后工具.
- 签名与免疫透的关联表明可能影响乳腺癌预后和治疗反应的机制.
