基于机器学习组合的血小板相关签名用于预测膀癌的预后和免疫治疗益处,基于机器学习组合
Cheng Chen1,2, Jun Zhang1,3, Xiaoshuang Liu4
1Department of Urology, The Fourth Affiliated Hospital of Soochow University, Suzhou Dushu Lake Hospital, Suzhou, China.
Translational andrology and urology
|September 16, 2024
概括
一种新的血小板相关签名 (PRS) 可以预测膀癌的结果和免疫治疗反应. 这种PRS可以作为预后工具,指导膀癌患者的治疗决策.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 免疫学 免疫学 免疫学
背景情况:
- 膀癌是一个重大的全球健康挑战,发病率和死亡率很高.
- 血小板因其在瘤进展和对癌症治疗的反应中的关键作用而越来越受认可.
研究的目的:
- 开发一种强大的血小板相关特征 (PRS),用于预测膀癌的临床结果.
- 评估PRS在预测免疫治疗益处方面的有效性.
主要方法:
- 在多队列数据集 (TCGA,GSE) 上使用机器学习技术来构建PRS.
- 使用免疫疗法数据集 (GSE91061,GSE78220,IMvigor210) 评估了PRS预测性能.
- 进行了体外实验,以验证alpha-1C-tubulin (TUBA1C) 在膀癌中的作用.
主要成果:
- 来自Enet算法的PRS显示出强大的预测能力 (C指数为0.73),并作为一个独立的风险因素.
- 高PRS得分与较差的整体存活率相关,而低PRS得分表明免疫活性增强和潜在的免疫疗法益处.
- 实验室研究证实了在膀癌中TUBA1C的上调,其敲击抑制了瘤细胞的增殖.
结论:
- 开发了膀癌的最佳PRS,证明了其作为预后预测和风险分层工具的潜力.
- PRS可以指导个性化治疗选择,特别是免疫治疗.
- 在膀癌中,TUBA1C成为潜在的治疗点.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
05:19Magnetic Resonance Imaging Assessment of Carcinogen-induced Murine Bladder Tumors
Published on: March 29, 2019
10.3K
