基于机器学习的集成开发了应激反应声明的T细胞 (Tstr) 相关得分,用于预测清细胞细胞癌的结果
Shuai Yang1, Zhaodong Han2, Zeheng Tan3
1Department of Urology, The First Affiliated Hospital of Bengbu Medical College, Bengbu, Anhui 233004, China.
International immunopharmacology
|April 10, 2024
概括
一个新的T细胞评分 (TCs) 预测了清细胞细胞癌 (ccRCC) 患者的结局和对PD-1阻断疗法的反应. 这一分数确定TNFSF13B作为一个关键的生物标志物,提供了关于ccRCC进展和治疗策略的见解.
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:
- 清细胞细胞癌 (ccRCC) 需要改进的预后模型和精确治疗的生物标志物.
- 应激反应T细胞 (Tstr) 是一种新发现的T细胞亚型,与晚期疾病和癌症中各种免疫疗法反应有关.
研究的目的:
- 使用Tstr细胞开发ccRCC可靠的预后模型.
- 在ccRCC中确定用于预测患者结果和对PD-1阻塞治疗的反应的新生物标志物.
主要方法:
- 机器学习算法被用来构建与Tstr相关的得分 (TCs).
- 为个性化预测预后而开发了一个名图.
- 功能丰富分析和生物信息学工具探索了Tstr细胞的作用,通过免疫组织化学验证.
主要成果:
- 一个强大的TCs被开发和验证在四个独立的队列,准确预测ccRCC预后和PD-1封锁反应.
- 基于TC的诺米图准确地预测了患者的结果.
- TNFSF13B被确定为关键的TCs相关基因,独立预测不良预后,并与PD-1阻断疗法的不良反应相关.
结论:
- 这项研究提出了一个Tstr细胞相关得分 (TCs) 用于预测ccRCC结果和PD-1阻断治疗反应.
- Tstr细胞可能在瘤微环境中促进ccRCC的进展,可能与巨细胞相互作用.
- TNFSF13B被强调为与TCs相关的关键生物标志物.
