相关实验视频
Updated: Jun 19, 2025
08:49
A 3D Organotypic Melanoma Spheroid Skin Model
Published on: May 18, 2018
15.7K
通过机器学习分析,揭开皮肤黑色素瘤的瘤细胞多样性和预后特征
Wenhao Cheng1, Ping Ni2, Hao Wu3
1Department of Dermatology, The First Affiliated Hospital of Kangda College of Nanjing Medical University/The First People's Hospital of Lianyungang/The Affiliated Lianyungang Hospital of Xuzhou Medical University, Lianyungang, China.
Journal of cellular and molecular medicine
|July 26, 2024
概括
研究人员确定了不同的黑色素瘤细胞类型,并开发了一种机器学习模型 (TCM) 来预测患者的生存率和免疫治疗反应. 该TCM得分与TOMM40相关,TOMM40是一种瘤基因,为黑色素瘤治疗决策提供了一个新的生物标志物.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 免疫治疗是一种免疫疗法.
背景情况:
- 皮肤黑色素瘤由于细胞异质性而存在挑战.
- 关于黑色素瘤细胞异质性及其临床影响的研究有限.
研究的目的:
- 使用单细胞数据探索皮肤黑色素瘤的细胞格局.
- 识别不同的瘤细胞群及其分化/代谢异质性.
- 开发一个患者结果和免疫疗法反应的预测模型.
主要方法:
- 92,521个细胞的单细胞RNA测序.
- 聚类分析以确定细胞群.
- 异质性调查的多主题方法.
- 细胞痕迹和伪物质时间分析用于差异化轨迹.
- 使用已识别的标记器开发机器学习模型 (TCM).
主要成果:
- 鉴定了六个不同的瘤细胞群,分化阶段不同.
- 瘤细胞分化阶段与患者的存活率相关.
- 开发了一种TCM,可以预测患者的结果,免疫疗法反应,瘤基因组稳定性和瘤炎症状态.
- TCM得分与TOMM40相关,被验证为促进黑色素瘤进展的瘤基因.
结论:
- 一个新的生物标志物评分 (TCM) 有助于选择黑色素瘤患者以改善预后.
- 传统医学促进了向免疫治疗的选择,并指导了临床决策.
- TOMM40被确定为黑色素瘤的潜在治疗点.
