通过生物信息学分析识别质母细胞瘤的预后标记物
Alternative therapies in health and medicine
|April 19, 2024
概括
这项研究确定了三个关键基因 (EFEMP2,PTPRN,POM121L9P) 来创建一个质母细胞瘤预后风险模型. 该模型准确地将患者分为高风险和低风险组,有助于个性化治疗策略.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 质母细胞瘤是一种侵袭性脑癌,尽管目前的治疗方法,但存活率很低.
- 确定可靠的预后标志物对于改善患者的治疗结果至关重要.
研究的目的:
- 为了确定与质母细胞瘤生存相关的差异表达基因 (DEGs).
- 开发和验证一个预后风险模型来对质母细胞瘤患者进行分类.
主要方法:
- 癌症基因组图谱 (TCGA) 和中国质瘤基因组图谱 (CGGA) 数据库的分析.
- 使用单变Cox回归,LASSO和多变Cox回归用于DEG和模型选择.
- 使用TCGA测试集和外部数据集 (GSE74187,GSE83300) 验证了预后模型.
主要成果:
- 确定了3572个预后性DEG,主要涉及细胞周期和焦点粘附.
- 使用EFEMP2,PTPRN和POM121L9P开发了一个风险模型,证明了高预测准确度 (AUC 0.83培训,0.756测试).
- 该模型的性能在多个独立数据集中得到了一致的验证.
结论:
- 开发的预后风险模型有效地将质母细胞瘤患者分为高风险和低风险组.
- 这个模型可以帮助识别那些可能受益于更密集的治疗干预措施的患者.
更多相关视频
07:41Performing Data Mining And Integrative Analysis Of Biomarker in Breast Cancer Using Multiple Publicly Accessible Databases
Published on: May 17, 2019
9.0K
09:40Characterization of Functionally Associated miRNAs in Glioblastoma and their Engineering into Artificial Clusters for Gene Therapy
Published on: October 4, 2019
5.7K
