通过机器学习识别视网膜母细胞瘤和骨肉瘤中共享的基因特征
Rongjie Ye1,2, Quan Yuan3, Wenkang You1,2
1Department of Orthopaedics, Quanzhou First Hospital Affiliated to Fujian Medical University, Quanzhou, China.
Scientific reports
|December 29, 2024
概括
这项研究揭示了视网膜母细胞瘤 (RB) 和骨肉瘤 (OS) 之间的共享基因,揭示了对OS进展至关重要的免疫细胞路径. 使用这些基因的新型风险模型有效地预测了患者的生存率,为临床使用提供了潜在的生物标志物.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 分子生物学分子生物学
背景情况:
- 骨髓瘤 (OS) 经常发生在视网膜母细胞瘤 (RB) 的次要状态下,但潜在的分子联系尚不清楚.
- 了解共享路径对于识别OS的预后标志物和治疗点至关重要.
- 现有的研究缺乏全面的转录基因分析,将RB和OS连接起来.
研究的目的:
- 探索RB和OS共享的转录组共同点和分子途径.
- 为了确定可靠的生物标志物来预测OS预后.
- 开发一个预测性风险模型,用于OS患者的生存.
主要方法:
- 使用了OS和RB的UCSC Xena和GEO数据库中的RNA测序数据.
- 雇佣权重基因共同表达网络分析 (WGCNA) 用于共同表达网络的识别.
- 应用单变体/多变体考克斯回归和机器学习用于基因选择和风险模型开发.
主要成果:
- 确定了1216个在OS和RB之间差异表达的基因,富含免疫细胞激活通路.
- 通过与差异基因交叉WGCNA模块,发现了65个与RB相关的OS免疫炎症基因 (ROIG).
- 开发并验证了基于6个枢纽基因的风险模型,该模型对OS整体存活具有显著的预后价值.
结论:
- 通过多个分子途径,OS和RB之间的共享基因显著促进了癌症的进展.
- ROIGs风险评分模型作为OS患者整体存活时间的独立预测指标.
- 确定了骨髓瘤管理的潜在治疗点和临床生物标志物.
