在基于机器学习的膀癌的预后和免疫疗法益处的底层膜相关的签名
Yunuo Zhang1, Jingna Wu1, Xinhong Liang2
1Department of Oncology, Meizhou People's Hospital, Meizhou, 514031, People's Republic of China.
Discover oncology
|October 9, 2024
概括
一个新的底层膜相关签名 (MRS) 预测了膀癌的结果和免疫治疗反应. 这种机器学习模型有助于确定患者的预后和治疗成功的侵略性膀癌症.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 机器学习 机器学习
背景情况:
- 膀癌具有侵略性,结果不佳,通常与底层膜降解有关,促进瘤入侵和转移.
- 了解底层膜功能对于向癌症进展和转移至关重要.
研究的目的:
- 开发一个预测模型,用于膀癌的预后和免疫治疗反应.
- 为了确定临床应用的底层膜相关签名 (MRS).
主要方法:
- 在TCGA和其他数据集上利用机器学习 (10种方法) 来创建底层膜相关签名 (MRS).
- 通过使用抗PD1/抗CTLA4数据集和各种预测分数,评估了MRS在预测免疫治疗益处方面的表现.
主要成果:
- 基于Enet的模型 (alpha=0.1) 被选为最佳的MRS,达到0.72.7的高C指数.
- MRS对膀癌患者的预测结果表现出强大的预测能力 (AUC 0.744-0.817) 并与免疫治疗标志物相关.
- 高MRS得分表明更好的免疫疗法益处,与增加的瘤突变负担和特定的信号通路有关.
结论:
- 一种新的MRS已经开发用于膀癌.
- MRS显示了预测患者预后和免疫疗法治疗成功的潜力.
