蛋白质组学和转录组学的整合,以构建清细胞癌的预后特征

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• 蛋白质数据对于了解癌症生物学至关重要,但清细胞癌 (KIRC) 的预后蛋白质需要进一步调查.
• 现有研究通常依赖于RNA数据,因此需要对KIRC中蛋白质水平意义进行更深入的探索.

研究的目的:

• 在KIRC中识别具有预后意义的蛋白质.
• 开发和验证KIRC患者生存率和治疗反应的预测模型.

主要方法:

• 利用癌症基因组图谱 (TCGA) 数据库来选KIRC中的预后蛋白质.
• 采用机器学习算法来构建基于蛋白质的预后模型.
• 使用在线数据库和定量实时PCR (qRT-PCR) 验证的结果.

主要成果:

• 根据预后蛋白质分为高风险和低风险组的患者在总生存期 (OS) 和无进展间隔 (PFI) 中表现出显著差异.
• 高风险组表现出较差的OS和独特的免疫透模式.
• 开发的名图表在预测KIRC患者存活率方面表现出高准确性.

结论:

• 鉴定了对于KIRC预后,生存预测和免疫微环境特性至关重要的核心蛋白质.
• 开发了一个强大的预后模型,对KIRC患者具有强大的预测能力.
• 该模型有助于理解KIRC与体质突变和免疫治疗反应的关系.