解读肺腺癌预后和免疫治疗反应,通过人工智能驱动的干性相关基因特征签名
Bicheng Ye1, Ge Hongting2, Wen Zhuang3
1School of Clinical Medicine, Yangzhou Polytechnic College, Yangzhou, China.
Journal of cellular and molecular medicine
|July 24, 2024
概括
一个由人工智能 (AI) 驱动的与茎状性相关的基因特征 (SRS) 准确地预测肺腺癌 (LUAD) 的预后和免疫治疗反应. 这种人工智能工具通过分析干和免疫相互作用来识别可能从免疫治疗中受益的患者.
科学领域:
- 在瘤学瘤学.
- 计算生物学 计算生物学
- 免疫学 免疫学 免疫学
背景情况:
- 肺腺癌 (LUAD) 是癌症死亡的主要原因,需要改进预后工具以进行个性化治疗,特别是免疫治疗.
- 准确预测患者对免疫疗法的反应仍然是LUAD管理的一个重大挑战.
研究的目的:
- 开发一种人工智能 (AI) 驱动的与茎相关的基因特征 (SRS),用于预测LUAD预后和免疫治疗反应.
- 在LUAD中调查SRS,茎性和瘤免疫微环境之间的关联.
主要方法:
- 利用单细胞RNA测序数据的CytoTRACE分析来识别LUAD中的干性相关基因.
- 开发了一个集成回归,机器学习和深度学习的AI网络来构建SRS.
- 进行了多项数据分析,以探索SRS和免疫环境之间的联系.
- 进行了体外实验,用siRNA敲击CKS1B以验证功能作用.
主要成果:
- 由人工智能驱动的SRS准确预测了LUAD预后和免疫治疗反应.
- 通过SRS识别的高风险群体显示免疫性降低和免疫细胞透.
- 击败CKS1B,一个关键的SRS基因,显著抑制了LUAD细胞的增殖,迁移和入侵.
- 在LUAD中建立了茎度,瘤免疫力和免疫治疗结果之间的强烈相关性.
结论:
- 开发的SRS是预测LUAD预后和免疫治疗有效性的有希望的工具.
- 干细胞在塑造瘤免疫格局和影响LUAD中的免疫疗法反应方面发挥着至关重要的作用.
- 该SRS可以帮助分层LUAD患者进行个性化治疗策略,特别是用于免疫疗法选择.
