使用机器学习破译与两种侵略性肝细胞癌表型相关的基因模型的预后和治疗价值
Junhan Pan1, Cong Zhang1,2,3, Huizhen Huang1
1Department of Radiology, The First Affiliated Hospital, Zhejiang University School of Medicine, Hangzhou, People's Republic of China.
Journal of hepatocellular carcinoma
|December 5, 2024
概括
一个新的4基因风险评分识别了攻击性肝细胞癌 (HCC) 亚型,巨型 (MTM) 和封装瘤集群的血管 (VETC) -HCC. 这一分数预测了预后,并为HCC患者指导了个性化治疗策略.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 机器学习 机器学习
背景情况:
- 巨型 (MTM) 和封装瘤集群的血管 (VETC) 是攻击性肝细胞癌 (HCC) 的表型.
- 对于MTM-HCC和VETC-HCC的分子标志物及其临床影响尚不清楚.
研究的目的:
- 使用MTM和VETC相关基因开发HCC的预后风险评分.
- 评估分数与临床结果,途径和治疗反应的关联.
主要方法:
- 机器学习应用于TCGA-LIHC队列数据以识别关键基因.
- 在多个独立队列 (ICGC-JP,GSE14520,GSE104580,GSE109211,内部) 中验证了4基因风险评分.
- 通过分析临床结果,途径,治疗反应和瘤微环境来评估性能.
主要成果:
- 开发了一个4基因风险评分,区分高风险和低风险的HCC患者.
- 高风险患者的预后较差,瘤扩散增加,早期复发率更高.
- 低风险患者对TACE和索拉费尼布的反应更好,而高风险患者对免疫疗法和帕克利塔塞尔的敏感性有所改变.
结论:
- 开发的4基因风险评分是预测HCC预后的一个有希望的工具.
- 该得分可以为MTM和VETC表型的HCC患者提供个性化治疗策略.
更多相关视频
12:24A Three-Dimensional Spheroid Model to Investigate the Tumor-Stromal Interaction in Hepatocellular Carcinoma
Published on: September 30, 2021
5.1K
08:40A Biomimetic Model for Liver Cancer to Study Tumor-Stroma Interactions in a 3D Environment with Tunable Bio-Physical Properties
Published on: August 7, 2020
6.2K
