通过机器学习探索专门的编程细胞死亡模式,以预测皮肤黑色素瘤免疫治疗的预后和敏感性

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 遗传学 是一个遗传学.

背景情况:

• 皮肤黑色素瘤 (CM) 由于转移和化疗耐药性而带来挑战,需要改进免疫疗法反应预测.
• 目前用于CM免疫疗法反应和预后的生物标志物有限,突出显示了对新型预测工具的需求.
• 编程细胞死亡 (PCD) 是癌症发展和治疗的组成部分,提供潜在的治疗点.

研究的目的:

• 基于编程细胞死亡 (PCD) 模式,开发一种新的皮肤黑色素瘤预后特征.
• 识别具有不同预后,瘤微环境和免疫疗法反应的独特的CM患者群.
• 建立适用于CM和其他癌症类型的免疫治疗反应的预测模型.

主要方法:

• 从TCGA-SKCM和GEO队列的多omics数据与CM患者的临床数据的整合.
• 对14种类型的编程细胞死亡 (PCD) 进行分析,以确定显著的模式和患者群.
• 开发一个七基因预后特征,细胞死亡指数 (CDI),使用关键PCD相关特征.

主要成果:

• 确定了两个不同的PCD相关的CM集群,在预后,瘤微环境 (TME) 和免疫治疗反应方面存在差异.
• 开发的细胞死亡指数 (CDI) 准确预测了CM和其他癌症类型的免疫治疗反应.
• 为了提高预测能力,构建了一个名谱,并确定了针对特定CDI水平的潜在向药物.

结论:

• 新型细胞死亡指数 (CDI) 基因特征有效预测皮肤黑色素瘤的预后和免疫治疗反应.
• 在CM管理中,CDI为精确的治疗策略和临床决策提供了一个有前途的工具.
• 这项研究为临床智能和皮肤黑色素瘤的创新治疗方法提供了新的途径.