整合单细胞转录学和机器学习来预测乳腺癌的预后:基于与自然杀手细胞相关的基因的研究
Juanjuan Mao1, Ling-Lin Liu1, Qian Shen1
1Department of Thyroid and Breast Surgery, Ningbo Hospital of TCM Affiliated to Zhejiang Chinese Medicine University, Ningbo City, Zhejiang Province, China.
Journal of cellular and molecular medicine
|August 4, 2024
概括
这项研究开发了一种使用自然杀手细胞相关基因 (NKRGs) 和机器学习的乳腺癌预后模型. 该模型准确地预测了患者的生存率,并确定了个性化乳腺癌治疗的潜在疗法.
科学领域:
- 免疫学 免疫学 免疫学
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
背景情况:
- 乳腺癌 (BC) 是全球女性的主要癌症.
- 自然杀手 (NK) 细胞对于抗瘤免疫是至关重要的.
- 识别预后生物标志物对于个性化BC治疗至关重要.
研究的目的:
- 利用NK细胞相关基因 (NKRGs) 开发乳腺癌的预后模型.
- 整合单细胞转录组学和机器学习用于BC风险评估.
- 确定潜在的治疗点,并验证NKRGs的临床适用性.
主要方法:
- 单细胞RNA测序数据分析以识别NKRGs.
- 机器学习算法 (Lasso+RSF) 用于预后模型开发.
- 细胞间通信分析 (CellChat),免疫微环境评估 (GSVA,ssGSEA) 和药物活性预测.
主要成果:
- 确定了44种参与免疫功能的显著表达NKRG.
- 开发了一种拉索+RSF模型,包含九个关键的NKRG,显示出高预测准确度.
- 通过免疫组织化学和RNA-seq验证NKRG的临床实用性,显示风险得分和免疫得分之间的联系.
结论:
- 开发的基于NKRG的预后模型为乳腺癌风险分层提供了一种新的方法.
- 该模型通过指导乳腺癌患者的个性化治疗策略来增强精准医学.
- 这些发现突显了NKRGs作为改善乳腺癌管理的生物标志物的潜力.
