一个集成的机器学习框架,用于开发和验证胃癌的预后风险模型,该模型基于内分泌网膜压力相关基因
1Emergency Department, The XIJING 986 Hospital of Air Force Medical University, Xi'an, Shaanxi, China.
Biochemistry and biophysics reports
|December 19, 2024
概括
这项研究开发了一种新的胃癌 (GC) 预后模型,使用了内分泌网膜压力 (ERS) 基因. 该模型预测了患者的生存率和免疫治疗的反应,为GC治疗策略提供了新的见解.
科学领域:
- 在瘤学瘤学.
- 分子生物学分子生物学
- 基因组学就是基因组学.
背景情况:
- 胃癌 (GC) 是一种致命的恶性瘤,存活率很低.
- 细胞内膜网膜应激 (ERS) 越来越多地与癌症的发展和进展有关.
- 迫切需要用于GC预后和治疗反应的预测生物标志物.
研究的目的:
- 构建和验证基于与内分泌网膜压力 (ERS) 相关的基因的胃癌 (GC) 预后模型.
- 评估该模型对患者生存和免疫治疗反应的预测能力.
- 确定与不同风险组相关的潜在治疗点和药物敏感性.
主要方法:
- 使用TCGA-STAD数据在GC组织中对214个ERS相关基因的差异基因表达分析.
- 使用TCGA和GEO数据集开发和验证预测风险模型.
- 应用TIDE和ESTIMATE算法用于免疫疗法和免疫微环境评估;GDSC数据库用于药物敏感性分析.
主要成果:
- 使用31个与ERS相关的差异表达基因 (DEG) 作为GC的独立预后因素构建了一个预后模型.
- 该模型显示了整体存活率的良好预测性能,并确定了具有较差结果和较低免疫治疗敏感度的高风险患者.
- 五种向药物 (BMS-754807,达沙替尼,JQ1,AZD8055,SB505124) 在高危人群中显示出潜在的疗效.
结论:
- 建立了一个与ERS相关的GC的新型,验证的分子预后模型.
- 这种基于ERS的模型为胃癌预后提供了改进的歧视和预测能力.
- 这些发现为GC的预后分析和个性化治疗策略提供了宝贵的工具.
