使用孟德尔随机化和转录组分析识别神经母细胞瘤的新生物标志物和预后模型

科学领域:

• 儿科瘤学 儿科瘤学
• 生物信息学是一种生物信息学.
• 癌症基因组学 癌症基因组学

背景情况:

• 神经母细胞瘤 (NB) 是一种常见的儿童脑外恶性瘤,预后具有挑战性.
• 目前NB的治疗分层需要改进的分子标记物.

研究的目的:

• 确定神经母细胞瘤 (NB) 的新型mRNA生物标志物.
• 使用全面的生物信息学和门德尔随机化 (MR) 分析,为NB开发一个强大的预后模型.

主要方法:

• 从GEO数据库表达数据中选差异表达基因 (DEG).
• 通过使用eQTL和NB数据进行两样MR分析,通过同位化识别共同表达的基因.
• 使用拉索回归与已识别的共同表达基因构建了一个预后模型.

主要成果:

• 在NB中确定了485个下调和349个上调基因.
• 发现了四个显著的共同表达的NB相关基因:CAV2,CTSK,LXN和NDRG2.
• 开发了一个验证的预后模型;高风险的NB患者的生存率和免疫反应较差,而低风险的患者对免疫疗法和抗瘤药物反应更好.

结论:

• 发现了四种新的NB生物标志物 (CAV2,CTSK,LXN,NDRG2).
• 开发了一个预后风险评分模型,在NB有临床应用的潜力.
• 该模型可以帮助预测NB的预后并个性化治疗决策.