基于机器学习的基因素脱乙酶相关的预后因素的识别和低度质瘤的预后建模
Keshan Wen1, Weijie Zhu2, Ziyi Luo1
1Department of Radiation Oncology, Nanfang Hospital, Southern Medical University, Guangzhou, 510515, China.
Discover oncology
|December 23, 2024
概括
一个新的四基因预后模型用于低度质瘤 (LGG) 识别了具有较差生存率和独特免疫特征的高风险患者. 这种与HDAC相关的特征有助于风险分层和预测治疗反应.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 低度质瘤 (LGG) 是一种侵袭性脑瘤,影响神经功能.
- 基因脱乙酶 (HDACs) 是基因表达的关键调节剂,并与瘤发育有关.
- 需要准确的预后工具来有效地分层风险和个性化治疗LGG.
研究的目的:
- 开发一种用于低级质瘤 (LGG) 的预后模型,利用与基因组胺脱甲基酶 (HDAC) 相关的基因.
- 为了提高预后准确性,将LGG患者分为不同的风险组.
- 探索预后特征,瘤免疫微环境和治疗敏感性之间的关系.
主要方法:
- 机器学习算法被用来识别73个HDAC相关基因的风险特征,使用TCGA和CGGA表达数据.
- 根据中位风险得分,患者被分为高风险和低风险组,通过生存分析和ROC曲线评估预后准确性.
- 进行了功能丰富,免疫透和药物敏感性分析,以阐明生物机制并预测治疗反应.
主要成果:
- 一个由四个基因组成的预后特征 (SP140,BAZ1B,SP100,SIRT1) 被鉴定出具有很高的预后准确性 (C指数=0.945).
- 与低风险队列相比,高风险队列的生存结果明显较差.
- 在风险组之间观察到不同的免疫检查点基因表达特征和免疫细胞透模式.
结论:
- 与HDAC相关的四基因预后模型与LGG的生存,免疫格局和治疗反应有效相关.
- 该模型有可能指导个性化治疗策略,并提高LGG患者的预后精度.
- 建议对这种新型预后工具进行进一步的临床验证.
