使用WGCNA和多omics分析识别神经母细胞瘤中的预后生物标志物

科学领域:

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

背景情况:

• 神经母细胞瘤 (NB) 是一种常见的儿童癌症,在高风险病例中具有高异质性和低生存率.
• 目前的治疗进展还没有足够改善高风险神经母细胞瘤患者的长期存活率.
• 对于神经母细胞瘤,迫切需要新的生物标志物和强大的预后模型.

研究的目的:

• 使用生物信息学识别关键基因模块和关键基因与神经母细胞瘤预后相关.
• 构建和验证神经母细胞瘤的可靠预后模型.
• 研究不同风险群体的生物功能,免疫微环境和治疗敏感性.

主要方法:

• 在ArrayExpress神经母细胞瘤数据上进行权重基因共同表达网络分析 (WGCNA).
• 基因本体学 (GO) 和基因和基因组的京都百科全书 (KEGG) 途径分析.
• 用于预测模型构建的拉索和COX回归,在GEO数据上进行验证.
• 基因组丰富分析 (GSEA) 和免疫透分析.

主要成果:

• 在WGCNA中发现了14个模块,其中60个关键基因与神经母细胞瘤预后有关.
• 丰富分析揭示了这些基因的细胞循环相关途径 (DNA复制,细胞分裂).
• 开发了一个使用DHFR,GMPS和E2F3的预后模型,与患者的生存率有显著的相关性.
• 高风险患者表现出明显的免疫透和途径差异,免疫疗法益处可能较低.

结论:

• 使用WGCNA和生物信息学开发了一个可靠的神经母细胞瘤预后模型.
• 该模型在预测预后和评估药物/免疫治疗敏感性方面具有价值.
• 这项研究为神经母细胞瘤的精确治疗策略提供了基础.