利用机器学习整合单细胞和大量RNA测序数据,用于构建和验证胃癌中新型细胞粘附分子相关的预后模型
Chenbin Chen1, Xietao Chen2, Yuanbo Hu1
1Department of General Surgery, The First Affiliated Hospital of Wenzhou Medical University, Wenzhou, Zhejiang Province, China; Wenzhou Collaborative Innovation Center of Gastrointestinal Cancer in Basic Research and Precision Medicine, Wenzhou Key Laboratory of Cancer-related Pathogens and Immunity, Department of Microbiology and Immunology, Institute of Molecular Virology and Immunology, School of Basic Medical Sciences, Wenzhou Medical University, Wenzhou, China; Department of General Surgery, The Second Affiliated Hospital & Yuying Children's Hospital of Wenzhou Medical University, Wenzhou, Zhejiang Province, China.
细胞粘附分子 (CAMs) 在胃癌 (GC) 进展中至关重要. 这项研究开发了一种预后模型,将CD34确定为与不良结果相关的关键标志物,并预测免疫治疗反应.
科学领域:
- 在瘤学瘤学.
- 分子生物学分子生物学
- 免疫学 免疫学 免疫学
背景情况:
- 细胞粘附分子 (CAMs) 对细胞相互作用,免疫反应和瘤转移至关重要.
- 在胃癌 (GC) 病原发生过程中,CAMs的具体作用尚不清楚.
研究的目的:
- 调查GC中CAMs的遗传变化和mRNA表达.
- 验证CD34在GC中的作用,并为GC患者开发预后模型.
主要方法:
- 在GC中对CAMs的特征性遗传改变和mRNA表达.
- 在375个GC组织中验证了CD34表达和分析了CAM通路活性.
- 开发并验证了一种CAM相关的预后模型,该模型使用了来自三个队列的839名GC患者的数据.
主要成果:
- 与CAM相关的基因表现出多种基因的改变,与临床结果相关.
- 增加CD34表达与晚期,血管透和不良预后有关,也预测了治疗反应.
- 开发了一种预后特征基因 (PSG) 评分模型,识别免疫细胞透和预测免疫治疗敏感性,并确定了潜在的治疗药物.
结论:
- 了解CAM通路调节和PSG评分模型对于GC诊断至关重要.
- 这种方法可以增强个性化治疗策略,改善胃癌管理中的患者结果.
相关概念视频
Sleep Apnea
The condition is more prevalent among...
Cardiopulmonary Resuscitation II: ACLS Airway Management


