基于机器学习的集成开发了一种多重编程细胞死亡特征,用于预测结直肠癌的临床结果和药物敏感性
Chunhong Li1,2, Yuhua Mao3, Yi Liu3
1Central Laboratory, The Second Affiliated Hospital of Guilin Medical University.
Anti-cancer drugs
|August 12, 2024
概括
这项研究引入了一种新的多重编程细胞死亡指数 (MPCDI),用于预测结直肠癌 (CRC) 患者的生存率和指导治疗. MPCDI有效地分层风险,分析免疫透,并预测对治疗的反应,帮助CRC的个性化药物.
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:
- 编程细胞死亡 (PCD) 模式与瘤发生和癌症治疗有关.
- 多种PCD模式在结直肠癌 (CRC) 中的综合作用尚不清楚.
研究的目的:
- 开发一个多重编程细胞死亡指数 (MPCDI) 用于风险分层和结直肠癌 (CRC) 的预后预测.
- 根据MPCDI分析免疫细胞透并预测CRC患者的化疗药物敏感性.
主要方法:
- 利用两个机器学习算法,基于19个PCD模式创建一个MPCDI.
- 在TCGA-COAD,GSE17536和GSE29621队列中验证了MPCDI.
- 评估了免疫透,TIDE分数,免疫表和药物敏感性.
主要成果:
- MPCDI有效地区分了生存结果,并作为CRC患者的独立预后因素.
- 较高的MPCDI得分与总体免疫透率的增加相关,但表明免疫检查点抑制疗法的有效性降低.
- MPCDI预测了对各种化疗剂的不同敏感性,为药物选择提供了指导.
结论:
- MPCDI是一个新的临床分类器,用于准确区分可能从免疫治疗中受益的CRC患者.
- MPCDI促进了对结直肠癌的个性化治疗策略的开发.
- MPCDI有助于预测患者对特定化疗和免疫疗法的反应.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
