预测模型识别质母细胞瘤患者的长期生存者:集成机器学习算法的队列研究
Xi-Lin Yang1, Zheng Zeng1, Chen Wang1
1Department of Radiation Oncology, State Key Laboratory of Complex Severe and Rare Diseases, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences & Peking Union Medical College, Beijing, People's Republic of China.
Journal of molecular neuroscience : MN
|April 25, 2024
概括
研究人员开发了一个预测模型来识别质母细胞瘤 (GB) 的长期幸存者 (LTS). 该模型使用四个关键基因准确预测LTS概率,有助于理解质母细胞瘤患者的结果.
科学领域:
- 神经瘤学神经瘤学
- 免疫基因组学是什么
- 计算生物学 计算生物学
背景情况:
- 质母细胞瘤 (GB) 是一种具有不良预后的侵袭性脑瘤.
- 识别长期幸存者 (LTS) 对于个性化治疗策略至关重要.
- 免疫微环境在质母细胞瘤生存中的作用仍然不完全理解.
研究的目的:
- 开发和验证一种预测模型,用于识别具有长期存活率 (总存活率>3年) 的质母细胞瘤患者.
- 研究LTS和短期幸存者 (STS) 之间的免疫检查点基因 (ICG) 和免疫透的差异.
- 为了确定与质母细胞瘤的长期存活相关的关键基因.
主要方法:
- 利用293名质母细胞瘤患者 (CGGA) 的数据进行培训,169名 (TCGA) 的数据进行验证.
- 在LTS和STS之间比较ICG和免疫透的基因表达 (总生存率<1.5年).
- 采用差异表达基因 (DEG),加权基因共同表达网络分析 (WGCNA) 和机器学习算法来构建预测性名录.
主要成果:
- 与LTS相比,短期幸存者 (STS) 呈现出具有更高ICG表达和增加免疫抑制的免疫抵抗状态.
- 四个基因 (OSMR,FMOD,CXCL14,TIMP1) 被确定为长期生存的关键预测因素.
- 在训练 (C-指数=0.791) 和验证 (C-指数=0.770) 队列中,构建的名录显示出对LTS概率的良好预测潜力.
结论:
- 开发的诺姆图有效预测质母细胞瘤患者的长期存活率.
- STS患者更有可能具有免疫冷的表型.
- 已识别的预测基因和模型为质母细胞瘤的临床预后提供了宝贵的工具.
