揭示了与PANoptosis相关的基因在乳腺癌中的作用:通过多omics分析和机器学习算法的综合研究
Gang Liu1, Liang-Zhi Pan2, Jie Chen3
1Department of Thyroid and Breast Surgery, The People's Hospital of Suzhou New District, Suzhou, China.
Breast cancer research and treatment
|January 27, 2025
概括
这项研究使用PANoptosis相关基因确定了两种乳腺癌亚型,揭示了不同的生存和免疫特征. 机器学习模型预测预后和免疫治疗反应,帮助个性化治疗策略.
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:
- 乳腺癌 (BC) 呈现出显著的异质性,需要新的亚型和预后模型来改善患者分层.
- 根据与PANoptosis相关的基因 (PRG) 识别新的BC亚型对于定制的治疗策略至关重要.
研究的目的:
- 使用与PANoptosis相关的基因 (PRG) 识别新的乳腺癌亚型.
- 构建一个强大的预后模型,以指导个性化乳腺癌治疗策略.
主要方法:
- 分析了来自TCGA和GEO数据库的转录组和临床数据.
- 12个PRG的共识聚类确定了BC亚型,并进行了生存,免疫细胞透和通路分析.
- 使用机器学习算法开发了一个预后模型,并在多个队伍中进行了验证.
主要成果:
- 确定了两种不同的BC亚型,其中B亚型的整体存活率 (OS) 显着较低.
- 亚型A表现出更高的免疫活性和与免疫相关的途径的丰富,而亚型B与细胞周期和代谢过程有关.
- 整合CoxBoost和随机生存森林 (RSF) 的机器学习模型显示出高预测性能. 高风险组具有抑制瘤免疫微环境 (TIME),低风险患者可能受益于免疫疗法.
结论:
- 这项研究为乳腺癌亚型分类和预后预测建立了全面的框架.
- 这些发现为开发乳腺癌护理中个性化治疗策略提供了宝贵的见解.
