在肺腺癌中提升预测标记:基于机器学习的免疫疗法预测预后签名
Zhongyan Li1, Shengbin Pei2, Yanjuan Wang3
1Department of Geriatric Medicine, The Affiliated Huai'an Hospital of Yangzhou University.
Environmental toxicology
|April 9, 2024
概括
一个新的13基因特征 (IPPS) 准确预测肺腺癌 (LUAD) 患者的预后和免疫治疗反应. 这种特征有助于选择免疫治疗的患者,为LUAD推进精密医学.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 生物信息学是一种生物信息学.
背景情况:
- 肺腺癌 (LUAD) 的预后不好,虽然免疫疗法提供了希望,但缺乏可靠的预测信号.
- 识别将受益于免疫治疗的患者对于有效的LUAD治疗至关重要.
研究的目的:
- 开发和验证一种新的基因特征,用于预测LUAD的预后和免疫治疗反应.
- 将新签名的性能与现有的预测模型进行比较.
主要方法:
- 免疫治疗队列 (OAK,POPLAR) 和TCGA-LUAD数据集的比较分析.
- 利用单因子COX回归和101机器学习算法来构建和选择一个最佳的预测模型.
- 在五个GEO数据集上验证了该模型,并将其与144个已发布的签名进行了比较.
主要成果:
- 在TCGA-LUAD数据集中构建了一个13基因免疫疗法预后预测签名 (IPPS),具有强大的性能.
- 在验证队列中,IPPS表现出一致的预测准确性,并在之前发布的144个签名中排名很高.
- 在高和低IPPS组之间观察到瘤突变负担,途径丰富和免疫透的差异.
结论:
- IPPS显示了对LUAD患者预后和免疫治疗反应的强有力的预测能力.
- IPPS有可能识别出适合免疫治疗的候选人,支持LUAD的精确治疗策略.


