机器学习用于识别瘤干基因和开发胃癌的预后模型
Guo-Xing Li1, Yun-Peng Chen2, You-Yang Hu2
1Department of Oncology and Central Laboratory, Tumor Hospital Affiliated to Nantong University, Nantong, Jiangsu 226361, P.R. China.
Aging
|April 13, 2024
概括
这项研究确定了驱动胃癌瘤干的关键基因,开发了一个预后模型来预测患者的结果,并为这种具有挑战性的疾病指导个性化治疗策略.
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:
- 胃癌由于治疗耐药性和复发而带来了重大挑战.
- 瘤干细胞与胃癌的进展和治疗失败有关.
- 识别与瘤茎相关的基因对于改善患者的治疗结果至关重要.
研究的目的:
- 在胃癌中识别与瘤茎相关的关键基因.
- 根据瘤干基因开发胃癌患者的预后模型.
- 调查已识别的基因在胃癌恶性和免疫透中的作用.
主要方法:
- 利用ssGSEA,WGCNA和机器学习来识别瘤干关键基因 (TSKGs).
- 构建了瘤干细胞风险基因预后模型 (TSRGPM),并使用PCA,Cox回归和ROC分析评估了其预后价值.
- 用CIBERSORT分析了免疫透模式,并通过体外实验验证实了这些发现.
主要成果:
- 开发了TSRGPM,证明了其在风险分层和作为胃癌独立预后指标的有效性.
- 发现瘤干风险评分 (TSRS) 和淋巴结转移之间存在显著的相关性.
- 确定CDC25A作为促进恶性表型,细胞增殖和DNA复制的关键基因,通过体外研究验证.
结论:
- TSRGPM为胃癌预后提供了一个有前途的工具.
- 确定了CDC25A作为胃癌的潜在治疗标.
- 该研究通过阐明瘤干系机制,推进了胃癌的个性化管理策略.
