结合连体受体相互作用与组织病理学,改善HPV阴性头支状细胞癌的预后建模
Bohai Feng1,2, Di Zhao3, Zheng Zhang4
1Zhejiang Key Laboratory of Medical Epigenetics, Department of Biochemistry and Molecular Biology, School of Basic Medical Sciences, Hangzhou Normal University, Hangzhou, China. bohaifeng@hznu.edu.cn.
NPJ precision oncology
|February 28, 2025
概括
这项研究确定了HPV阴性头支状细胞癌 (HNSC) 中的关键连接体-受体相互作用,以预测患者的结果. 整合多主题和深度学习可以改善个性化HNSC治疗的风险分层.
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:
- 头部和部状细胞癌 (HNSC) 是一种常见的癌症,HPV阴性亚型呈侵略性进展.
- 瘤微环境 (TME) 在HNSC中起着至关重要的作用,影响预后和治疗反应.
- 识别TME中的预后标志物对于开发针对HPV阴性HNSC的向治疗至关重要.
研究的目的:
- 为了识别HPV阴性HNSC的瘤微环境中的关键带受体相互作用.
- 使用分子和形态学数据开发HPV阴性HNSC的预后模型.
- 探索整合多学科和深度学习的潜力,以改善风险分层.
主要方法:
- 来自TCGA-HNSC队列 (n=395) 的散装RNA测序数据使用BulkSignalR进行了分析,以确定连接体-受体相互作用.
- 使用随机森林生存分析和基于整体生存和无进展间隔的LASSO回归构建了一个预后模型.
- 针对风险组分层进行了对整个幻灯片图像 (HE-stained) 的多组分析和深度学习.
主要成果:
- 为HPV阴性HNSC开发了一种结合14对联体受体对的预后模型.
- 在风险组之间确定了不同的分子特征,包括ECM重塑,血管新生,免疫透和APOBEC活性.
- 基于深度学习的组织形态分析显著提高了风险分层的准确性.
结论:
- 结合连接体-受体相互作用,多奥米克数据和基于深度学习的组织病理学,为HPV阴性HNSC的精确风险分层提供了强大的工具.
- 这种方法有助于为HPV阴性HNSC患者制定个性化治疗策略.
- 这些发现强调了将常规组织病理学与先进的计算方法相结合的临床可访问性,以改善癌症管理.
更多相关视频
07:43Four-color Fluorescence Immunohistochemistry of T-cell Subpopulations in Archival Formalin-fixed, Paraffin-embedded Human Oropharyngeal Squamous Cell Carcinoma Samples
Published on: July 29, 2017
9.6K
06:57Chromogenic In Situ Hybridization as a Tool for HPV-Related Head and Neck Cancer Diagnosis
Published on: June 14, 2019
10.3K
