基于机器学习的CD8T细胞相关基因特征的整合,用于肺腺癌的综合预后评估

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 生物信息学是一种生物信息学.

背景情况:

• 肺腺癌 (LUAD) 是一种异质的癌症,结果各不相同.
• CD8 T细胞在瘤微环境 (TME) 中至关重要,并影响LUAD的进展.
• 了解CD8 T细胞标记物基因表达是LUAD预后的关键.

研究的目的:

• 在LUAD中调查CD8 T细胞标记物基因表达特征.
• 开发基于这些基因的LUAD预后风险模型.
• 探索模型与免疫治疗反应的关联.

主要方法:

• 使用了癌症基因组图谱 (TCGA) 和基因表达总汇 (GEO) 数据.
• 确定了23个共识预后基因.
• 开发了一个人工智能驱动的预测签名,风险Score,使用机器学习算法.

主要成果:

• 风险评分独立预测总体存活率,无进展间隔,无疾病间隔和在LUAD中的特定疾病存活率.
• 高风险患者显示瘤促进功能,较低的瘤突变负担 (TMB),新抗原 (NEO) 负载和微卫星不稳定性 (MSI).
• 风险评分在免疫治疗队列中的患者分层,与免疫色评分 (IPS) 相对应,表明免疫逃避.

结论:

• 风险评分 (RiskScore) 是一个可靠的 LUAD 预后工具.
• 它可以指导临床管理和个性化LUAD治疗策略.
• 确定了特定风险子组的潜在药物目标.