预测性生物标志物和DLBCL中的分子亚型:PCD基因表达和机器学习的见解
Tiantian He1, Jie Geng2, Chuandong Hou3
1Academy of Medical Sciences, Shanxi Medical University, Taiyuan, China.
Discover oncology
|April 16, 2025
概括
这项研究确定了基于编程细胞死亡 (PCD) 基因表达的两种不同的扩散性大B细胞淋巴瘤 (DLBCL) 亚型. 五种生物标志物可以改善DLBCL风险分层和治疗策略.
科学领域:
- 在瘤学瘤学.
- 分子生物学分子生物学
- 免疫学 免疫学 免疫学
背景情况:
- 扩散性大B细胞淋巴瘤 (DLBCL) 是一种异质的非霍奇金淋巴瘤,患者预后可变.
- 编程细胞死亡 (PCD) 在癌症的发展和进展中至关重要.
- 在DLBCL中分析PCD相关的基因表达可以完善风险分层和个性化治疗.
研究的目的:
- 在DLBCL中识别与PCD相关的差异表达基因 (DEGs).
- 根据PCD基因表达和免疫微环境对DLBCL亚型进行分类.
- 使用机器学习开发DLBCL的预测模型.
主要方法:
- 整合了五个DLBCL数据集,其中包括18个PCD相关的基因表达特征.
- 使用共识聚类,免疫透分析,GSVA和WGCNA.
- 采用了12个机器学习算法和转录组测序进行验证.
主要成果:
- 确定了1074个PCD相关的DEG,揭示了两个不同的DLBCL分子亚型.
- C2亚型的特征是高调节的DNA修复和细胞循环途径,被归类为高风险.
- 确定并验证了五种潜在的生物标志物 (CTSB,DPYD,SCARB2,STOM,GBP1).
结论:
- 基于PCD基因表达的两个DLBCL亚型被确定,其中C2具有高风险.
- 鉴定到的生物标志物可能会提高DLBCL风险分层和对其异质性的理解.
- 这些发现为进一步研究DLBCL进展和预后改善提供了基础.
