在高度质瘤患者中进行CCL2表达水平的非侵入性预测
Qingqing Zhou1, Yamei Wang2, Qing Zhang3
1Department of Neurosurgery, The First Affiliated Hospital of Yangtze University, Jingzhou First People's Hospital, Jingzhou, People's Republic of China.
Cancer medicine
|July 20, 2024
概括
这项研究引入了一种基于MRI的非侵入性放射学模型,用于预测质瘤中的化学因子连接物2 (CCL2) 水平. 该模型准确地预测了CCL2表达和患者存活率,提供了一个不那么侵入性的预后工具.
科学领域:
- 神经瘤学神经瘤学
- 医疗成像医学成像
- 生物信息学是一种生物信息学.
背景情况:
- 质瘤是最常见的中枢神经系统恶性瘤,需要有效的预后指标.
- 化学因子 (C-C 动机) 配体2 (CCL2) 是质瘤恶性和进展的关键预测因子.
- 目前评估CCL2表达的方法是侵入性的,并且取决于操作者.
研究的目的:
- 开发一种基于磁共振成像 (MRI) 的非侵入性放射学模型,用于预测恶性质瘤中CCL2表达水平.
- 评估放射学模型,预后指标和质瘤患者的相关基因之间的关联.
主要方法:
- 利用基于MRI的放射学来预测CCL2表达,使用来自癌症成像档案 (TCIA) 和癌症基因组图谱 (TCGA) 的数据.
- 开发了基于支持向量机 (SVM) 和后勤回归 (LR) 的放射学模型来预测放射学分数.
- 分析了放射学分数和CCL2表达水平之间的相关性.
主要成果:
- 在质瘤患者中,CCL2表达水平与整体存活率相关.
- CCL2表达与与疾病相关的途径相关,包括mTOR,cGMP-PKG和MAPK信号传递.
- 两种SVM和LR模型都稳定地预测了CCL2表达,放射学得分预测了患者的存活率.
- 高/低放射性评分与已知的质瘤相关基因相关 (CD70,CD27,PDCD1).
结论:
- 成功开发了一种基于MRI的放射学模型,用于预测质瘤中的CCL2表达.
- 证实了放射学模型在预测患者预后方面的临床实用性.
- 该模型提供了一种非侵入性的方法来评估质瘤恶性并指导治疗决策.
