机器学习分析与氧化压力相关的表型,用于卵巢癌的特定基因查
Chenxiang Pan1, Chunyu Pan1, Lili Chen1
1Department of Women's Oncology, Shuangyu Campus, Wenzhou Central Hospital, Wenzhou, Zhejiang, China.
Environmental toxicology
|August 20, 2024
概括
研究人员开发了一种新的七基因特征来预测卵巢癌的预后,确定氧化应激是关键因素. 较高的风险得分表明整体存活率较低,从而将这种特征确定为独立的预后生物标志物.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 分子生物学分子生物学
背景情况:
- 氧化应激与瘤发展有关,但其在卵巢癌中的特定作用需要进一步阐明.
- 了解氧化应激和卵巢癌之间的联系对于改善患者的治疗结果至关重要.
研究的目的:
- 开发和验证与氧化压力相关的卵巢癌 (OC) 的预后签名.
- 确定与氧化应激相关的关键基因及其在OC患者的预后价值.
主要方法:
- 差异基因表达分析使用"limma"包来识别与氧化压力相关的基因.
- 多变量考克斯回归和卡普兰-梅尔分析,以构建和验证预后模型.
- 定量实时PCR用于评估OC细胞系和正常细胞中的基因表达.
主要成果:
- 开发出了七基因的氧化应激特征,证明了对1,2,3年生存的独立预后能力.
- 风险得分较高的患者的整体存活率 (OS) 显著降低.
- 与正常的卵巢上皮细胞相比,卵巢癌细胞系中的CX3CR1表达显著更高.
结论:
- 一个基于氧化压力相关基因的新,验证的预后签名可以作为卵巢癌的独立生物标志物.
- 这种特征可以提高卵巢癌患者的预后.
