机器学习方法识别了炎症基因特征,用于预测肝细胞癌的生存结果
Noor N Al-Bzour1, Ayah N Al-Bzour1, Abdelrahman Qasaymeh1
1Department of Medicine, Division of Hematology & Oncology, University of Pittsburgh Medical Center (UPMC), Pittsburgh, PA, USA.
Scientific reports
|December 5, 2024
概括
这项研究确定S100A9和PBK是影响肝细胞癌 (HCC) 患者存活率的关键炎症相关基因. 使用这些生物标志物的新风险评分模型可以指导个性化HCC治疗策略.
科学领域:
- 基因组学就是基因组学.
- 癌症生物学 癌症生物学
- 炎症研究 炎症研究
背景情况:
- 肝细胞癌 (HCC) 是全球主要的癌症负担,经常与慢性炎症有关.
- 了解HCC炎症的遗传基础对于改善患者的治疗结果至关重要.
研究的目的:
- 为了研究HCC中与炎症相关的基因表达.
- 为了确定新的基因生物标志物,预测HCC患者的存活率.
- 开发HCC的预后风险评分模型.
主要方法:
- 从246名HCC患者的转录组数据分析 (癌症基因组图谱).
- 鉴定与炎症相关的差异表达基因 (DEGs).
- 使用LASSO和考克斯回归 (S100A9,PBK) 的预后风险评分模型的开发和验证.
- 进行了功能丰富,免疫景观和突变分析.
主要成果:
- 基于S100A9和PBK的风险评分模型显著差异化了HCC患者的存活率.
- 功能分析突出显示了与炎症相关的途径.
- 在独立数据集 (GSE14520) 中的验证证实了该模型的预测能力.
- 进行了临床相关性的探索.
结论:
- 该研究确定了HCC中关键的炎症相关基因组变化.
- 发现了具有潜在治疗意义的预后生物标志物 (S100A9,PBK).
- 这些发现提高了对HCC分子机制的理解,并支持个性化治疗策略.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
06:52Discovery of Driver Genes in Colorectal HT29-derived Cancer Stem-Like Tumorspheres
Published on: July 22, 2020
6.5K
