转录学和机器学习的整合,以深入了解乳腺癌:探索脂质代谢和免疫相互作用
Xiaohan Chen1, Jinfeng Yi2, Lili Xie1
1Harbin Medical University Cancer Hospital, Harbin Medical University, Harbin, China.
Frontiers in immunology
|November 11, 2024
概括
这项研究使用机器学习识别了21个与乳腺癌 (BRCA) 相关的脂质代谢预后基因 (LMPGS). 这些基因预测患者对免疫疗法和化疗的反应,提供新的治疗点.
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:
- 乳腺癌 (BRCA) 是一个全球性的健康挑战,早期检测有限.
- 脂质代谢在BRCA中的作用,特别是它与瘤免疫微环境的相互作用,需要进一步探索.
研究的目的:
- 在乳腺癌中识别与脂质代谢相关的预后基因 (LMPGS).
- 开发一个患者结果和治疗反应的预测模型.
- 为了发现BRCA的潜在治疗点.
主要方法:
- 9个机器学习算法的系统集成,以创建共识预测模型.
- 转录学分析和免疫透评估的估计方法.
- 在体外实验验验证关键基因表达和预后相关性.
主要成果:
- 鉴定与脂质代谢相关的259个差异表达基因.
- 使用机器学习开发21基因LMPGS模型.
- 在高得分和低得分的患者群体之间,不同的生物功能和突变格局.
- 在特定子组中,增强免疫评分和免疫疗法/化疗反应.
- 鉴定尼克洛萨米德作为潜在的治疗剂,并验证MTMR9和CPNE3的表达.
结论:
- 生物信息学和机器学习成功地在BRCA中确定了与脂质代谢相关的基因.
- 这项研究为BRCA机制和治疗策略提供了新的见解.
- 确定了预后基因和潜在的治疗剂,为BRCA治疗提供了新的途径.
