利用机器学习和多omics来探索瘤进化特征和AMOTL1在前列腺癌中的作用
Weian Zhu1, Jianjie Wu1, Wenjie Lai2
1Department of Urology, The Third Affiliated Hospital, Sun Yat-sen University, Guangzhou 510630, Guangdong, China.
International journal of biological macromolecules
|December 6, 2024
概括
这项研究介绍了前列腺癌 (PCa) 的瘤进化特征预测指标 (TECPI). TECPI使用人工智能和多组学来改善预后,并指导个性化免疫疗法和向疗法.
科学领域:
- 在瘤学瘤学.
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 细胞亚群的协调进化影响前列腺癌 (PCa) 的进展.
- 这些见解的临床应用在PCa的个性化精密医学方面仍然未得到充分研究.
研究的目的:
- 确定PCa.中瘤细胞状态的进化特征.
- 开发和验证PCa预后和治疗反应的预测指标.
- 探索新的治疗点和生物标志物.
主要方法:
- 单细胞和散装RNA测序被用来分析瘤的进化动态.
- 机器学习和多omics集成被用来开发瘤进化特征预测指标 (TECPI).
- 对AMOTL1在PCa药理动力学中的作用进行了实验验证.
主要成果:
- 与现有模型相比,TECPI 显示出优越的预后性能.
- TECPI准确地确定了受益于免疫疗法和向治疗的患者.
- 在PCa药理学中,AMOTL1被证实是关键的,它调节了对AR抗剂的敏感性.
- 在TECPI中显示了泛癌的概括性.
结论:
- 了解瘤细胞多样性和动态对于预测PCa进展至关重要.
- TECPI提供了一种强大的工具,用于指导PCa.有效的向治疗和免疫治疗.
- 这些发现突显了人工智能驱动的多组学方法在精密瘤学的潜力.


