基于机器学习的预后建模整合了头部和部状细胞癌中的PANoptosis

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 计算生物学 计算生物学

背景情况:

• 头部和部状细胞癌 (HNSCC) 是一种复杂的癌症,预后因素不明.
• 细胞死亡途径PANoptosis在HNSCC中的作用及其对瘤微环境的影响需要进一步调查.

研究的目的:

• 使用与PANoptosis相关的基因开发HNSCC的强大的预后模型.
• 为改善HNSCC诊断和治疗确定关键分子标.

主要方法:

• 使用单细胞RNA测序数据 (GSE181919) 来分析PANoptosis.
• 使用TCGA-HNSCC数据和外部验证集 (GSE41613,GSE65858) 构建了101个机器学习算法的预测模型.
• 确定了谷氨酸S转移酶omega 1 (GSTO1) 作为一个关键的预后基因.

主要成果:

• 开发了一种StepCox + RSF预后模型,有效地将HNSCC患者分为高风险和低风险组.
• 高风险组的预后明显较差,ROC和PCA分析证实了这一点.
• 发现GSTO1在HNSCC中受到上调,并与不良结果相关.

结论:

• 基于PANoptosis的预后模型显示了对HNSCC患者结果的显著预测能力.
• GSTO1成为HNSCC的潜在生物标志物和治疗点.
• 对调节PANoptosis的进一步研究可能会导致HNSCC的新治疗策略.