识别与复发相关的基因特征和基于机器学习的预测在IDH野生型组织质母细胞瘤中
Min Yuan1, Xueqin Hu1, Zeng Yang1
1Department of Neurosurgery, Changde Hospital, Xiangya School of Medicine, Central South University (The First People's Hospital of Changde City), No. 818 Renmin Road, Changde, Hunan, 415003, People's Republic of China.
Journal of molecular neuroscience : MN
|April 14, 2025
概括
鉴定质母细胞瘤 (GBM) 中的复发相关基因对于改善患者的治疗结果至关重要. 这项研究发现了八个关键基因,并开发了一个高度准确的机器学习模型来预测GBM复发.
科学领域:
- 神经瘤学神经瘤学
- 基因组学就是基因组学.
- 计算生物学 计算生物学
背景情况:
- 质母细胞瘤 (GBM) 是一种被称为经常复发的侵袭性脑瘤.
- 目前尚不清楚GBM复发的分子驱动因素,这阻碍了改善预后和治疗.
- 识别与复发相关的特定基因对于开发有针对性的策略至关重要.
研究的目的:
- 为了确定与IDH野生型质母细胞瘤复发相关的新基因.
- 分析这些复发相关基因的细胞类型特定表达和免疫关联.
- 开发和验证基于机器学习的GBM复发的预测模型.
主要方法:
- 在两个GBM队列的转录组数据上进行了权重基因共同表达网络分析 (WGCNA).
- 使用RT-qPCR和单细胞RNA测序 (scRNA-seq) 数据进行验证.
- 机器学习算法,包括随机森林,被评估用于预测建模.
主要成果:
- 八个基因 (CERS2,EML2,FNBP1,ICOSLG,MFAP3L,NPC1,ROGDI,SLAIN1) 被确定在复发性GBM中显著差异地表达.
- 这些基因表现出细胞类型特异的表达模式,特别是在寡细胞,恶性GBM细胞和免疫细胞中.
- 一个随机森林模型在验证队列中实现了高预测准确度 (AUC > 0.96) 的GBM复发.
结论:
- 已经确定了与质母细胞瘤复发相关的新型分子特征.
- 这项研究强调了特定基因和免疫细胞改变在GBM进展中的作用.
- 一个强大的机器学习模型为预测IDH-wildtype患者的质母细胞瘤复发提供了潜力.
