构建与乳化相关的基因预后模型,以基于机器学习有效预测前列腺癌的无疾病生存率和治疗反应率
Jinyou Pan1, Jianpeng Zhang1, Jingwei Lin1
1Department of Urology, The First Affiliated Hospital of Guangzhou Medical University, Guangdong Provincial Key Laboratory of Urology, Guangdong Engineering Research Center of Urinary Minimally Invasive Surgery Robot and Intelligent Equipment, Guangzhou Institute of Urology, Guangzhou, China.
Frontiers in genetics
|April 3, 2024
概括
这项研究确定了五个与乳化相关的基因 (LRG),这些基因可以预测前列腺癌 (PCa) 的预后和治疗反应. 开发的LRG预后模型有效地预测了无病生存率,并有助于PCa患者个性化治疗选择.
科学领域:
- 在瘤学瘤学.
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 前列腺癌 (PCa) 是一种常见的恶性瘤,预后不佳,需要可靠的预后指标.
- 蛋白质乳化在瘤发育和进展中起着至关重要的作用,突出了其作为生物标志物的潜力.
- 识别新的预后标志物对于改善PCa患者的结果至关重要.
研究的目的:
- 分析乳化相关基因 (LRG) 在前列腺癌 (PCa) 的预后影响.
- 使用LRGs开发一种无疾病生存 (DFS) 的预测模型.
- 探索LRG,瘤特征和PCa.中的药物敏感性之间的关系.
主要方法:
- 下载了TCGA PCa mRNA-Seq数据以识别与乳化相关的基因差异.
- 采用了五个机器学习算法和拉索考克斯回归来选关键的LRG并构建一个预后模型.
- 使用qPCR在PCa细胞系中验证基因表达,并分析了与瘤突变负担,免疫细胞和药物敏感性的相关性.
主要成果:
- 确定了五个关键的LRG (ALDOA,DDX39A,H2AX,KIF2C,RACGAP1) 并建立了一个具有良好的预测精度的LRG预后模型 (1,3,5年AUC:0.762,0.745,0.709).
- 在预测DFS方面,LRG风险评分优于传统的临床病理特征.
- 高风险患者表现出调节性T细胞和M2巨细胞的增加,瘤突变负担的增加,以及对Docetaxel和Paclitaxel等化疗药物的敏感性变化.
结论:
- 开发的LRG预后模型有效预测PCa患者的无疾病生存率.
- 该模型还显示了预测治疗反应的潜力,包括对特定化疗药物的敏感性.
- 这些发现表明LRG是PCa预后和个性化治疗策略的有价值生物标志物.
