构建多发性骨髓瘤的预后模型,并将路径信息纳入其中
Shuo Wang1,2,3, ShanJin Wang1, Wei Pan1
1Department of Spinal Surgery, Shanghai East Hospital, School of Medicine, Tongji University, Shanghai, China.
PLoS computational biology
|September 10, 2024
概括
使用群体激光器的基于路径的模型为预测多发性骨髓瘤 (MM) 治疗结果的基因模型提供了有竞争力的替代方案. 免疫路径信息,特别是VAX路径,被证明具有高度预测性,优于现有模型,并显示出对缺失数据的弹性.
科学领域:
- 血液学 血液学 血液学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 多发性骨髓瘤 (MM) 是一种血细胞恶性瘤,需要个性化治疗策略.
- 当前的预后模型往往忽略了对疾病进展至关重要的途径级信息.
- 基因层面的模型在捕捉MM病变的复杂性方面存在局限性.
研究的目的:
- 开发和验证使用途径信息开发和验证MM的新型预后模型.
- 将基于路径的模型与基于基因和现有模型的预测性能进行比较.
- 评估缺少数据对模型准确性的影响,并探索归算方法.
主要方法:
- 实施的途径评分方法 (ssGSEA,GSVA,z-scores) 和使用14个途径数据源的组拉索.
- 使用微阵列数据 (GSE136324) 进行内部验证和两个外部数据集进行进一步测试.
- 使用归算技术调查模型对缺失数据的稳定性.
主要成果:
- 集团激光模型包含VAX路径信息 (Vax(grp)) 显示出优越的预测性能,而不是基因模型.
- 包括VAX在内的与免疫相关的途径被确定为MM的强有力的预测因素.
- 通过集成的归算方法,Vax(grp) 模型显示出对缺失值 (<5%) 的抗性增强.
结论:
- 基于路径的模型,特别是使用免疫路径数据的组激光器,是MM预后的有效替代方案.
- 开发的R包 (MMM) 便于这些先进的预后工具的应用和验证.
- 这种方法通过改善MM患者的治疗决策来增强个性化医疗.
