用一种新型的量化系统识别和验证烧死模式,用于预测肺状细胞癌的预后

科学领域:

• 在瘤学瘤学.
• 分子生物学分子生物学
• 免疫学 免疫学 免疫学

背景情况:

• 在肺状细胞癌 (LUSC) 中,热的作用尚不清楚.
• 作为一种被编程的细胞死亡,Pyroptosis越来越多地被认为与癌症的发展和进展有关.

研究的目的:

• 在LUSC.中选与热致死相关的基因 (PRG).
• 根据PRG构建一个基于LUSC的预测模型.
• 为了研究热致死模式,免疫透,基因突变和LUSC的免疫反应之间的关联.

主要方法:

• 利用51个PRG将LUSC样品分类为不同的热灭菌集群,使用一致性集群算法.
• 采用考克斯回归和主要成分分析 (PCA) 来开发基于差异表达基因 (DEGs) 的热灭评分模型.
• 在多个队列中分析了生存数据,单核酸变异 (SNV),复制数变异 (CNV) 和高和低得分组的免疫治疗反应 (TCGA-LUSC,GSE37745,GSE135222).

主要成果:

• 鉴定了三个具有显著生存差异 (P=0.005) 的热灭菌群和两个不同的热灭菌基因群 (基于390个DEG),也显示出预后意义 (P=0.005).
• 开发了一种热死得分模型,将患者分成分层,分为高分和低分的组.
• 在所有分析数据集 (TCGA-LUSC: P=0.002; GSE37745: P=0.006; GSE135222: P=0.02) 中,高烧灭分数与LUSC患者的更差预后相关.

结论:

• 量化烧死模式对于预测LUSC的预后至关重要.
• 开发的热死评分模型可以帮助分层LUSC患者.
• 这些发现支持基于LUSC. pyroptosis状态的个性化治疗策略的潜力.