相关实验视频
Updated: Jul 30, 2026

08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
6.9K
放射学和免疫相关基因特征的整合,用于预测在乳腺癌中带淋巴结转移的发生
Xue Li1, Lifeng Yang2, Fa Jiang1
1College of Biomedical Engineering, Taiyuan University of Technology, Jinzhong, Shanxi, China.
Clinical breast cancer
|July 17, 2024
概括
一个新的放射基因组学名图准确地预测了乳腺癌患者的带淋巴结转移. 该工具将成像功能与基因表达相结合,提供了对转移相关生物途径的见解.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 基因组学就是基因组学.
背景情况:
- 轴心淋巴结 (ALN) 转移是乳腺癌的关键预后因素.
- 准确预测ALN转移对于指导治疗决策至关重要.
研究的目的:
- 开发一种放射基因组学名图,用于预测乳腺癌中ALN转移的情况.
- 确定放射性特征与转移所涉及的生物途径之间的关联.
主要方法:
- 综合放射性特征来自DCE-MRI与90名乳腺癌患者的基因表达数据.
- 构造的放射学和与免疫相关的基因 (IRG) 签名.
- 开发了一种放射基因组学名图,结合了签名和临床病理因素.
- 利用权重基因共同表达网络分析 (WGCNA) 和基因组变异分析 (GSVA) 来探索路径关联.
主要成果:
- 放射基因组学名图显示出高预测准确度 (在训练和测试组中AUC为0.973和0.928).
- 关键的放射性特征与转移相关的途径有关,例如焦点粘附和ECM受体相互作用.
- 路径分析揭示了与能量代谢和糖原合成的关联.
结论:
- 开发的放射基因组学名图是预测ALN转移风险的有效工具.
- 乳腺癌中的放射性表型受到推动转移的生物途径的影响.

