相关实验视频
Updated: May 30, 2025
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
6.9K
在固体瘤中有效发现强大的预后生物标志物和特征
Zaoqu Liu1, Jinhai Deng2, Hui Xu3
1Institute of Basic Medical Sciences, Chinese Academy of Medical Sciences and Peking Union Medical College, 100730, Beijing, China; State Key Laboratory of Medical Proteomics, Beijing Proteome Research Center, National Center for Protein Sciences (Beijing), Beijing Institute of Lifeomics, 102206, Beijing, China; International Academy of Phronesis Medicine (Guangdong), 510320, Guangdong, China.
Cancer letters
|January 26, 2025
概括
一个新的平台SurvivalML有助于发现和验证癌症预后生物标志物和基因签名. 它确定了肝癌的DCLRE1B,并开发了中国质母细胞瘤预后特征 (CGPS),以改善质母细胞瘤预测.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- 多omics和大数据技术使得癌症生物标志物的发现成为可能.
- 生物标志物的临床应用受到糟糕的可复制性和验证的阻碍.
- 在多样化的队列中可靠地识别生物标志物仍然是一个挑战.
研究的目的:
- 开发一个全面的平台 (SurvivalML),用于发现和验证预后生物标志物和基因签名.
- 确定肝细胞癌 (HCC) 的新型预后生物标志物.
- 开发和验证质母细胞瘤 (GBM) 的一个强大的预后签名.
主要方法:
- 利用SurvivalML平台上的21种癌症类型的大规模统一数据.
- 确定DCLRE1B作为HCC的预后生物标志物,经过实验验证.
- 开发了中国质母细胞瘤预后签名 (CGPS) 和其简化版本 (SCGPS).
- 在独立数据集和临床样本中使用多重免疫光学验证了SCGPS模型.
主要成果:
- 证实DCLRE1B是一种促进HCC进展的新型预后生物标志物.
- 与现有的签名相比,CGPS和SCGPS在质母细胞瘤的预测性能上表现出优异.
- 临床样本中的SCGPS验证与CGPS模型具有很强的一致性.
结论:
- 幸存ML提供了一个强大的平台,用于识别和验证癌症预后生物标志物和基因签名.
- 该研究确定了HCC的新生物标志物,并开发了对GBM的高度预测性特征.
- 幸存ML促进了癌症研究和临床应用的进步.
