基于机器学习的集成开发了与二硫化相关的 lncRNA 签名,以改善胃癌的结果

科学领域:

• 在瘤学瘤学.
• 分子生物学分子生物学
• 遗传学 遗传学是一种遗传学.

背景情况:

• 胃癌是全球癌症死亡的主要原因,通常在治疗选择有限的情况下被诊断为晚期.
• 由于二硫化物压力引起的新型编程细胞死亡机制 - - 脱硫化症,提供了一个新的治疗点.
• 确定可靠的预后标志物对于改善胃癌患者的治疗结果至关重要.

研究的目的:

• 研究与二硫化相关的长非编码RNAs (DRLs) 作为胃癌中潜在的预后生物标志物.
• 开发和验证一个基于DRLs的预后模型,用于胃腺癌 (STAD).
• 探索DRLs在胃癌中的生物功能和临床影响.

主要方法:

• 利用癌症基因组图谱 (TCGA) 数据库来获取STAD的综合基因组和临床数据.
• 采用最小绝对收缩和选择操作员 (LASSO) 回归来构建使用五个关键 DRL 的预测模型.
• 使用卡普兰-梅尔图,接收器操作特征 (ROC) 曲线和功能丰富分析验证了模型的性能.
• 通过定量实时PCR (qRT-PCR) 和西方斑块检测证实了选择的lncRNA和与二硫化相关的基因的表达.

主要成果:

• 一个五个DRL的预后模型已成功开发,以预测STAD患者的存活率.
• 该模型表现出显著的预测能力,通过生存分析和ROC曲线进行验证.
• 功能性丰富分析揭示了这些DRL在关键癌症途径和免疫反应中的参与.
• 实验验证证了特定的lncRNAs和与dissulfidptosis相关的基因的预后效用.

结论:

• DRLs代表了有希望的新生物标志物,用于预测胃癌的预后.
• 开发的基于DRL的模型可以帮助分层患者并指导个性化治疗策略.
• 这些发现有助于人们更好地了解二硫化在胃癌中的作用及其治疗潜力.