基于网络表型化策略 (NPS) 计算方法的临床数据分析和肝细胞癌患者预后的新方法

科学领域:

• 在瘤学瘤学.
• 系统生物学 系统生物学
• 生物信息学是一种生物信息学.

背景情况:

• 肝细胞癌 (HCC) 的进展受到多种因素的影响,但整合这些复杂的相互作用是具有挑战性的.
• 现有的方法很难全面分析影响HCC的多组件关系.
• 需要一种新的方法来更好地了解人类HCC生物学和进展.

研究的目的:

• 引入网络表型化策略 (NPS) 作为一种在HCC进展中整合多组件关系的方法.
• 开发一个新的框架来理解人类HCC生物学.
• 识别不同的HCC表型及其临床影响.

主要方法:

• 将17个标准临床变量 (人口统计,瘤特征,血液学,肝功能测试) 转换为图形理论表示.
• 应用NPS分析患者参数值及其完整的网络关系.
• 用在索引访问中收集的时间连贯数据进行分析.

主要成果:

• 国家医疗系统确定了25种疾病进展顺序的HCC表型.
• 在HCC进展过程中分层的门静脉血栓发生率为5个范围.
• 将患者分为攻击性,缓慢和中等瘤生长亚型.
• 使用25个NPS表型实现了个性化的死亡预测,优化了子队列.

结论:

• 通过整合复杂的临床数据,NPS提供了一种了解HCC生物学的新方法.
• 鉴定的表型为瘤生长模式和血栓形成风险提供了洞察力.
• 开发了一个基于17个临床参数的互联网应用程序,用于基于17个临床参数的个性化患者表型,死亡率和生存率估计.