基于机器学习的与雄激素受体调节基因相关的随机森林生存模型,用于精确的前列腺癌治疗决策
Qinyu Li1, Yanan Wang2, Junjie Chen1
1Department of Oncology, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, 430030, Hubei, China.
Heliyon
|September 19, 2024
概括
一种新的雄激素受体 (AR) 调节基因特征 (ARS) 准确预测前列腺癌 (PCa) 风险,并指导治疗选择. 这种ARS模型有助于个性化治疗,改善PCa患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 遗传学 是一个遗传学.
- 生物信息学是一种生物信息学.
背景情况:
- 异常的雄激素受体 (AR) 信号驱动前列腺癌 (PCa) 病变.
- 向AR信号是PCa的主要治疗策略.
- 目前PCa的治疗方法往往导致过度治疗或治疗不足,需要精确的风险分层.
研究的目的:
- 为PCa.开发一个强大的风险预测模型.
- 评估模型预测患者预后和治疗反应的能力.
- 确定高风险PCa患者的潜在治疗点.
主要方法:
- 使用10个机器学习算法创建了一个共识AR调节基因相关签名 (ARS).
- 评估了ARS的预后和治疗预测价值.
- 进行了体外和体内实验,以验证发现并选治疗点.
主要成果:
- 在PCa.中,ARS独立预测了生化复发和远程转移.
- 与44个现有签名相比,ARS显示出更高的预后准确性.
- 高ARS患者对PARP抑制剂和免疫疗法反应更好;低ARS患者从化疗,放射治疗和AR向治疗中受益.
- AURKB被确定为高ARSPCa.的潜在治疗标.
结论:
- 该ARS预测模型为优化PCa治疗决策提供了重要的临床潜力.
- 这种模型可以帮助克服治疗困境,并确定PCa的新疗法策略.
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
12:13Sequencing Small Non-coding RNA from Formalin-fixed Tissues and Serum-derived Exosomes from Castration-resistant Prostate Cancer Patients
Published on: November 19, 2019
6.8K
