整合辐射敏感度指数和辐射抵抗相关指数改善前列腺癌结果预测

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 辐射疗法 辐射疗法

背景情况:

• 治疗后前列腺癌 (PCa) 复发是一个重大的临床挑战.
• 准确预测复发对于优化治疗策略和改善患者治疗结果至关重要.
• 现有的预测生物标志物需要改进,以提高PCa的准确性.

研究的目的:

• 开发和验证前列腺癌复发的预测性名谱.
• 整合31基因特征 (31-GS),辐射敏感性指数 (RSI) 和与辐射抵抗相关的基因指数 (RRRI) 以改善预测.
• 在PCa中识别具有优越预测性能的新基因特征.

主要方法:

• 利用PCa患者的公共数据库 (GEO,TCGA) 的转录组数据.
• 分析和比较了四个PCa相关的辐射敏感性预测指数:14Genes,RSI,RRRI和20Genes.
• 采用了考克斯分析,LASSO回归,WGCNA和功能丰富分析.
• 构建了一个名ogram,以提高复发预测能力.

主要成果:

• 在评估的指数中,14Genes签名显示出最有前途的预测性能和区分能力.
• 14Genes模型的关键模块中的基因在与放射治疗相关的细胞死亡途径中得到了显著的丰富.
• 在TCGA和GEO队列中,14Genes签名展示了ROC曲线下的最高面积和决策树变量重要性.

结论:

• 一个与放射性敏感性相关的诺米克成功建立,在预测PCa复发方面表现出色.
• 20Genes和RRRI模型可以预测接受放射治疗的患者的无复发生存率.
• 20Genes模型显示了放射治疗的特异性,但需要进一步的外部验证.