在口腔状细胞癌中使用烟草的基于人工智能的表观基因组,转录基因组和组织学特征

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 生物标志物发现发现

背景情况:

• 口腔状细胞癌 (OSCC) 死亡率预测往往缺乏全面的多组策略.
• 将临床病理学因素与多原子数据相结合,可以提高预后准确性.

研究的目的:

• 开发和验证一种新的生物标志物签名,用于预测OSCC患者的死亡率.
• 根据烟草使用史区分OSCC患者,使用综合表观遗传,基因表达和组织学特征.

主要方法:

• 利用癌症基因组图谱 (TCGA) 和内部队列进行分析.
• 在从不吸烟者和重度吸烟者 (≥10包年) 之间确定了差异表达的表观遗传和基因标记物.
• 开发了一种结合的签名,包括表观遗传,基因表达和组织学数据,用于死亡率预测.

主要成果:

• 根据吸烟史,在OSCC患者中鉴定了3种表观遗传标记 (GPR15,GNG12,GDNF) 和13种表达标记的失调调.
• 仅使用吸烟状况和临床病理共变量的模型显示死亡率预测不佳 (c-统计 = 0.57).
• 结合表观遗传,表达和组织学特征,实现了0.9409的高c统计值,用于预测5年OSCC死亡率.

结论:

• 综合表观遗传学,基因表达和组织学的多原子生物标志物签名显著改善了OSCC的5年死亡率预测.
• 这种新型的签名为OSCC患者提供了更准确的预后工具,特别是基于烟草暴露的差异化.
• 未来的研究应该验证这个签名在OSCC管理中的临床应用.