101 机器学习算法用于挖掘食道状细胞癌新抗原预后模型的单细胞数据
Yingjie Sun1, Yuheng Tang1, Qi Qi1
1Laboratory of Molecular Genetics of Aging & Tumor, Medicine School, Kunming University of Science and Technology, No. 727, Jingming South Road, Kunming 650500, China.
International journal of molecular sciences
|April 17, 2025
概括
研究人员开发了一种新的五基因预后模型,用于食道状细胞癌 (ESCC),以预测免疫治疗反应. 该模型有助于理解免疫逃避,并确定这种侵袭性癌症的新治疗点.
科学领域:
- 在瘤学瘤学.
- 免疫治疗是一种免疫疗法.
- 生物信息学是一种生物信息学.
背景情况:
- 食道状细胞癌 (ESCC) 是一种具有高复发率的侵袭性消化道癌.
- 目前对ESCC的免疫治疗选择有限,需要新的治疗策略.
研究的目的:
- 使用机器学习开发ESCC的预后模型.
- 评估该模型与抗原呈现细胞 (APC) 和免疫透的相关性.
- 为了确定ESCC治疗的潜在治疗点和小分子化合物.
主要方法:
- 来自公共数据库的ESCC突变数据的分析.
- 应用10个机器学习算法来生成101个组合.
- 构建一个五基因预后模型 (DLX5,MAGEA4,PMEPA1,RCN1,TIMP1).
- 验证该模型与APC的相关性,并分析免疫逃避机制.
主要成果:
- 建立了一个五基因预后模型,证明与抗原呈现疗效的相关性.
- 阐明了ESCC中免疫逃避的机制.
- 研究了预后基因对ESCC进展的影响.
- 确定了针对这些基因的潜在抗瘤小分子化合物.
结论:
- 开发的基于新抗原的预后模型可以预测ESCC患者的免疫治疗反应.
- 这项研究提供了关于ESCC瘤微环境和抗原呈现的见解.
- 这些发现表明了改善ESCC治疗策略的新型治疗目标.
