综合生物信息学方法产生了一种新的基因表达风险模型,用于前列腺癌的预后和进展预测

科学领域:

• 在瘤学瘤学.
• 生物信息学是一种生物信息学.
• 分子生物学分子生物学

背景情况:

• 前列腺癌 (PCa) 是老年男性常见的恶性瘤,尽管采用标准治疗方法,但往往进展.
• 预测PCa进展对于识别高风险患者和定制管理策略至关重要.

研究的目的:

• 构建和验证一种基于基因表达的新型风险模型,用于预测前列腺癌中无进展生存期 (PFS).
• 确定与PCa进展相关的关键基因和分子机制,包括潜在的治疗点.

主要方法:

• 综合了使用生物信息学的各种前列腺癌数据集,以建立基于基因表达和PFS的风险预测模型.
• 使用独立数据集验证了模型的准确性,并对1年,3年和5年的PFS评估了其性能.
• 在与割相关的 (CRPC) 和与激素相关的 (HSPC) 前列腺癌样本上使用单细胞RNA测序.
• 进行分子生物学实验,研究SYK在PCa细胞迁移中的作用.

主要成果:

• 确定了8个独立的预后基因,并纳入了预测模型.
• 该模型在预测PFS方面表现出很高的准确性,在验证组中AUC值为0.9325 (1年),0.9041 (3年) 和0.9070 (5年).
• 在CRPC的光细胞中观察到较高的风险得分.
• 在瘤组织中增加SYK表达与增强的癌细胞迁移相关,SYK敲击抑制了这种迁移.

结论:

• 开发的风险模型有效预测前列腺癌的进展,并确定高风险患者队列.
• SYK在前列腺癌细胞迁移中发挥着重要作用,是PCa管理的潜在预后标志物和治疗标.