协同机器学习模型利用与铁灭相关的基因改善神经母细胞瘤结果预测

科学领域:

• 在瘤学瘤学.
• 细胞死亡机制 细胞死亡机制
• 生物信息学是一种生物信息学.

背景情况:

• 神经母细胞瘤 (NB) 是一种异质的儿科癌症,预后不佳.
• 铁,一种依赖于铁的细胞死亡,与NB瘤的进展和免疫反应有关.
• 了解NB中的ferroptosis对于确定治疗点和改善患者的治疗结果至关重要.

研究的目的:

• 研究神经母细胞瘤中与铁亡相关的途径和关键基因.
• 开发神经母细胞瘤预后和复发的预测模型.
• 为了确定神经母细胞瘤治疗的新型治疗点.

主要方法:

• 使用了六个公开的基因表达数据集 (ArrayExpress,基因表达集).
• 从FerrDb.中选择了与铁亡相关的基因 (FRG).
• 使用无监督集群,差异表达分析,WGCNA,GSEA,LASSO和多变量考克斯回归.
• 开发了使用机器学习 (ML) 算法,包括随机森林 (RF) 的预测签名 (FRPS) 和复发模型.

主要成果:

• 确定了核糖体和细胞循环作为NB中的潜在铁亡途径,MYCN和RRM2作为关键基因.
• 使用五个FRG (ATG7,ELAVL1,PPARA,RDX6,TERT) 开发了一种与铁灭相关的预后签名 (FRPS),具有出色的预测性能.
• 使用八个FRG (ALDH3A2,TERT,ULK2,AKR1C1,MFN2,SLC16A1,TF,DDR2) 构建了一个复发模型,RF模型显示了最高的准确性.

结论:

• 在NB研究的铁亡途径和枢纽FRG.
• 开发了可靠的模型来预测NB的预后和复发.
• 为NB患者的预后评估和治疗干预提供了潜在的新目标.