机器学习分析确定NNMT是基于PCD相关基因的肝细胞癌的潜在治疗标
Fuqun Wei1,2, PeiShu Huang3, Bing Zhang1
1Department of Interventional Radiology, First Affiliated Hospital of Fujian Medical University, Fuzhou, 350000, China.
Scientific reports
|March 3, 2025
概括
这项研究使用编程细胞死亡 (PCD) 基因开发了肝细胞癌 (HCC) 的预后模型. 细胞死亡特征 (CDS) 有效地预测患者的结果和治疗反应,确定NNMT作为潜在的治疗标.
科学领域:
- 在瘤学瘤学.
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 编程细胞死亡 (PCD) 在癌症中至关重要,影响瘤的进展和治疗.
- 在肝细胞癌 (HCC) 中确定预后生物标志物和治疗点对于改善患者的治疗结果至关重要.
研究的目的:
- 研究PCD相关基因在HCC中的作用.
- 开发基于PCD的HCC的预后模型.
- 为了确定HCC的潜在治疗点.
主要方法:
- 来自GEO,TCGA和ICGC数据库的基因表达数据的分析.
- 使用机器学习 (随机生存森林,考克斯回归) 构建细胞死亡签名 (CDS) 模型.
- 在多个队列中验证CDS模型,包括对NNMT进行体外实验和组织微阵列.
主要成果:
- 确定了183个差异表达的基因,并构建了一个7基因的CDS模型.
- CDS模型与HCC的整体存活率,免疫透和治疗反应有显著的相关性.
- 高CDS得分表明预后较差,免疫排除和治疗效率降低.
- 过度表达NNMT与增加的增殖,抑制的亡和HCC预后不佳有关.
结论:
- 开发的CDS模型是个性化风险评估和HCC治疗规划的一个有希望的工具.
- CDS可以预测临床结果,免疫微环境和治疗反应.
- NNMT代表了HCC的潜在治疗标.
