多omics与动态网络生物标记器算法预示了肺腺癌癌的器官特异性转移

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 生物标志物发现发现

背景情况:

• 早期发现肺癌转移对于患者的生存至关重要.
• 目前的方法缺乏有效识别转移前阶段的灵敏度.

研究的目的:

• 识别标记基因和血清蛋白质,预测肺癌特定转移.
• 为了确定癌细胞的中间,转移前状态.
• 开发癌细胞转移轨迹的预测模型.

主要方法:

• 在肺癌转移的临床队列中使用动态网络生物标记 (DNB) 算法.
• 采用了初级病变的单细胞RNA测序 (scRNA-seq) 和血清的液态染色体质谱 (LC-MS).
• 开发并验证了一种集成的神经网络模型,用于预测转移状态轨迹.

主要成果:

• 鉴定了标记基因和血清分泌物,预示着肺癌转移.
• 检测出癌细胞在特定机体化之前的中间癌细胞状态.
• 成功构建并验证了用于预测转移性轨迹的神经网络模型.

结论:

• 这项研究提供了关于定位肺癌转移前状态的见解.
• 这些发现有助于更可行的,更有效的肺癌转移的早期检测.
• 开发的模型显示了改善肺癌患者治疗结果的临床应用价值.