利用miRNA介导的表达特征来预测预后并识别卵巢癌中不同的分子亚型:一项多队列研究

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:

• 卵巢癌 (OV) 是一种致命的妇科恶性瘤,其复杂的进展受到非编码RNA的影响.
• 转录组放松管制显著影响OV预后和异质性.

研究的目的:

• 开发基于机器学习的非编码指数 (NCI) 来预测OV患者的预后和治疗反应.
• 建立基于miRNA调节的基因表达的OV新型分子分类框架.

主要方法:

• 确定了关键的miRNA-mRNA负相关性,以优先考虑基因表达特征.
• 为NCI开发了一个四个基因签名 (GAS1,GFPT2,ZFHX4,KCNA1).
• 使用无监督集群进行亚型分类,并在多个数据集中验证.
• 进行了批量和单细胞转录组数据的整合性分析.
• 使用回归进行药物敏感性分析.

主要成果:

• 在OV患者中,较高的NCI得分与较差的生存率和免疫疗法耐药性相关.
• 建立了四个类别的分类分类 (S1-S4),S3显示出最差的生存率,S4显示出有利的预后.
• 亚型在免疫透 (S1中的T细胞) 和 stromal 组件 (S3中的纤维细胞) 上有所不同.
• 鉴定了特定亚型的药物敏感性,其中S3对达沙替尼敏感,但对甲醇抗性.

结论:

• 该NCI作为卵巢癌的关键预后标志物.
• 拟议的分子分类框架增强了对由非编码机制驱动的OV异质性的理解.
• 有一个用户友好的网站可用于应用预后和亚型分类模型.