机器学习肝细胞癌的诊断模型基于液体-液体相分离和与铁亡相关的基因
Wenchao Chen1, Ting Zhu2, Xiaofan Pu1
1Department of General Surgery, Zhejiang University School of Medicine, Sir Run Run Shaw Hospital, Hangzhou, China.
概括
这项研究确定了与肝细胞癌 (HCC) 和铁死相关的5个关键基因,开发了一种诊断模型. 这些基因的低表达改善了预后,NRAS促进HCC并抑制铁亡.
科学领域:
- 在瘤学瘤学.
- 分子生物学分子生物学
- 细胞死亡研究 细胞死亡研究
背景情况:
- 肝细胞癌 (HCC) 是一种具有复杂分子特征的原发性肝癌.
- 液-液相分离 (LLPS) 和铁死在HCC中的作用尚未完全理解.
- 研究LLPS和与铁亡相关的基因可能为HCC提供新的诊断和治疗途径.
研究的目的:
- 为了确定参与HCC,LLPS和铁亡的关键基因.
- 根据这些基因开发和验证基于HCC的诊断模型.
- 阐明NRAS在HCC发育和铁亡中的作用.
主要方法:
- 使用GEO数据集进行差异基因表达分析.
- 识别与LLPS重叠的基因和与铁死相关的基因组.
- 通过使用生存分析和RT-qPCR进行LASSO回归和验证来开发诊断模型.
- 在HCC细胞中对NRAS功能的实验性评估和铁灭.
主要成果:
- 确定了一组24个差异表达基因 (DEGs),重叠HCC,LLPS和铁亡.
- 开发并验证了一种5个枢纽基因诊断模型 (EZH2,HSPB1,NRAS,RPL8,SUV39H1).
- 这些枢纽基因的较低表达与更好的HCC患者存活率相关,并且在HCC细胞中过度表达.
- 低调NRAS降低了HCC细胞的增殖和迁移,增加了Fe2+和ROS,降低了GPX4和GSH,表明促进了铁亡.
结论:
- 一个5个枢纽基因签名 (EZH2,HSPB1,NRAS,RPL8,SUV39H1) 显示出作为HCC的创新诊断工具的潜力.
- NRAS在促进HCC致癌和抑制铁亡方面发挥着作用.
