相关实验视频
Updated: Jun 12, 2025
11:29
miRNA Expression Analyses in Prostate Cancer Clinical Tissues
Published on: September 8, 2015
10.8K
基于机器学习的细胞死亡标志物用于预测前和识别前列腺癌中瘤免疫微环境
Feng Gao1, Yasheng Huang1, Mei Yang1
1Department of Urology, Hangzhou Hospital of Traditional Chinese Medicine, Hangzhou, Zhejiang, 310007, China.
Heliyon
|September 23, 2024
概括
一个新的前列腺癌预后指数 (PCDI) 通过分析与细胞死亡相关的基因,有效地预测患者的结果和治疗反应. 这种工具有助于个性化治疗策略,以应对不断上升的前列腺癌率.
科学领域:
- 在瘤学瘤学.
- 遗传学 遗传学 是一个
- 计算生物学 计算生物学
背景情况:
- 在全球范围内,前列腺癌 (PCa) 的发病率和死亡率正在增加.
- 准确的预后工具对于个性化PCa治疗至关重要.
- 编程细胞死亡途径的失调与癌症的发展有关,并呈现出治疗点.
研究的目的:
- 用编程细胞死亡相关基因 (PCDRG) 开发和验证前列腺癌的预后特征.
- 评估签名在预测患者预后,治疗反应以及其与临床病理特征和瘤免疫微观环境的关联方面的表现.
- 为预测PCa患者的生化复发构建一个名图.
主要方法:
- 机器学习算法被用来构建和优化从PCDRG表达式数据的预测签名.
- 评估了签名的预后价值,并分析了它与临床病理特征,体质突变,药物敏感性和免疫细胞透的相关性.
- 为了预测生化复发,开发了一个名图,并在细胞系和患者数据中验证了PCDRG表达.
主要成果:
- 确定了149个基因的签名,其中34个基因与生化复发有关.
- 使用随机森林构建的PCDRG衍生指数 (PCDI) 有效地对患者进行了分层,并预测了生存率和免疫疗法益处.
- PCDI与免疫细胞透,临床病理特征,人体突变和药物敏感性相关,在名谱中表现出强大的预测性能.
结论:
- 该研究成功开发了PCDI,这是一种使用机器学习的前列腺癌的新且有效的预后指标.
- PCDI强调了异常编程细胞死亡途径,前列腺癌进展和治疗结果之间的联系.
- 该指数为改善预后准确性和指导前列腺癌管理中的个性化治疗决策提供了有价值的工具.
