综合的多omics分析确定了一个机器学习衍生签名,用于预测清细胞细胞癌的预后和治疗脆弱性
Shengqiang Chi1, Jing Ma2, Yiming Ding3
1Research Center for Data Hub and Security, Zhejiang Laboratory, Hangzhou 311121, China; Department of Urology, Sir Run Run Shaw Hospital, Zhejiang University School of Medicine, Hangzhou 310016, China; The Engineering Research Center of EMR and Intelligent Expert System, Ministry of Education, College of Biomedical Engineering and Instrument Science, Zhejiang University, Hangzhou 310027, China.
一个新的预后和治疗脆弱性特征 (PTVS) 有效地分层清细胞细胞癌 (ccRCC) 患者. 这个签名预测了患者的结果和免疫疗法反应,指导了ccRCC的个性化治疗策略.
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:
- 清细胞细胞癌 (ccRCC) 呈现出显著的瘤内和瘤间异质性,导致患者对治疗的反应有所不同.
- 在ccRCC瘤中的分子区别可能是治疗疗效差异的原因.
研究的目的:
- 开发和验证清细胞细胞癌 (ccRCC) 的预后和治疗脆弱性签名 (PTVS).
- 用多omics方法预测患者的预后和药物反应.
主要方法:
- 对ccRCC患者数据进行了综合性多omics分析.
- 采用了十个聚类算法,在单变Cox回归中启动,以及Boruta算法.
- 使用七个机器学习算法开发了一个强大的PTVS.
主要成果:
- 确定了两种不同的ccRCC亚型,具有不同的预后影响,其中亚型2与较差的结果相关.
- 较低的PTVS得分与优异的预后和增强的免疫治疗敏感性 ('热瘤'表型) 相相关.
- 高的PTVS得分表明预后降低和免疫疗法益处有限,并确定了潜在的治疗点.
结论:
- 综合性多奥米克分析显著改善了ccRCC的分子分层.
- 综合的分子分析对完善ccRCC治疗策略产生了深远的影响.
- 作为个性化ccRCC治疗的生物标志物,PTVS显示出有前途.
更多相关视频
07:47Author Spotlight: Unveiling Transmembrane Protein Family-Related Markers in Gastric Cancer and Implications for Targeted Therapies
Published on: September 15, 2023
09:16Supervised Machine Learning for Semi-Quantification of Extracellular DNA in Glomerulonephritis
Published on: June 18, 2020