一个基于机器学习的免疫反应签名,以促进子宫内膜癌患者的预后预测

科学领域:

• 妇科瘤学 妇科瘤学
• 癌症免疫学 癌症免疫学
• 生物标志物发现发现

背景情况:

• 子宫内膜癌的发病率正在上升,特别是在年轻人中.
• 免疫疗法改善了结果,但好处并不普遍,一些患者经历了超级进展.
• 需要不同的免疫反应概况来预测子宫内膜癌的预后和免疫治疗反应.

研究的目的:

• 在子宫内膜癌患者中划分不同的免疫反应概况.
• 开发一个可靠的模型来预测预后和免疫治疗反应.
• 确定新的生物标志物和潜在的治疗点.

主要方法:

• 利用ssGSEA来分析免疫反应途径.
• 使用无监督聚类和WGCNA来识别免疫模式和相关基因.
• 开发了一个使用95种机器学习组合的预后模型,确定SLC38A3作为关键生物标志物.

主要成果:

• 确定了两个不同的免疫表型 (C1:抑制,C2:激活) 与显著的预后差异.
• WGCNA确定了418个与免疫表型相关的基因,其中69个与预后相关.
• 开发的免疫反应相关评分 (IRRS) 准确预测了预后和免疫状态;高SLC38A3表达与恶性瘤相关,周期性氧化腺素向SLC38A3.3.

结论:

• 在子宫内膜癌中,IRRS是疾病预后和免疫状况的稳定预测指标.
• SLC38A3 是一种用于子宫内膜癌的新型预后生物标志物.
• 周期性氧化腺显示出作为SLC38A3表达瘤的向治疗的潜力.