通过机器学习探索和验证与胃癌中脂代谢相关的预后生物标志物

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:

• 脂代谢 (SM) 与胃癌 (GC) 的进展有关.
• 在GC中MS的预后价值尚不清楚.
• 这项研究探讨了SM作为GC预后生物标志物的潜力.

研究的目的:

• 为了研究使用脂代谢来预测GC预后的可行性.
• 为了确定与GC存活相关的关键脂代谢相关基因 (SMRGs).
• 根据SMRGs开发和验证基于GC的预后模型.

主要方法:

• 从TCGA-STAD和GSE84437数据集中提取了SMRG和确定了差异表达基因 (DEG).
• 采用单变Cox,Lasso-Cox和随机生存森林分析来识别关键的生存基因.
• 开发了一个使用多变量考克斯回归的预后模型 (SMscore),并通过免疫组织化学 (IHC) 验证了枢纽基因表达.

主要成果:

• 确定了ELOVL4,NOS3和ABCA2作为关键的预后SMRG.
• 开发并验证了具有强大的预测性能的强大预后模型.
• 在瘤组织中观察到ELOVL4和NOS3表达的增加,与预后不佳显著相关.

结论:

• 生物信息学分析和IHC验证表明ELOVL4是GC的潜在预后生物标志物.
• 这些发现为GC预后预测提供了新的见解.
• ELOVL4可能是胃癌的新疗法标.