开发一种机器学习衍生的编程细胞死亡指数,用于结直肠癌的预后预测和免疫洞察

科学领域:

• 在瘤学瘤学.
• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.

背景情况:

• 结肠直肠癌 (CRC) 是一个重大的全球健康挑战,需要先进的预后标志物和治疗方法.
• 编程细胞死亡 (PCD) 是瘤发育和治疗疗效的组成部分.
• 目前对CRC的预后工具需要改进,以指导个性化医学.

研究的目的:

• 开发和验证一种基于机器学习的编程细胞死亡指数 (PCDI),用于预测结直肠癌患者的预后.
• 评估PCDI与临床结果,病理特征和瘤微环境特征的相关性.
• 探索PCDI在指导结直肠癌治疗策略中的潜力.

主要方法:

• 使用机器学习算法,使用基因表达数据构建编程细胞死亡指数 (PCDI).
• 在多个患者队列中验证了PCDI,以评估其预后性能.
• 进行了功能性丰富分析和免疫分析,以调查与PCDI相关的生物机制.
• 开发了一个名图,将PCDI与临床变量集成为生存预测.

主要成果:

• 该PCDI有效地将结直肠癌患者分为高风险和低风险组,高PCDI与生存率差相关.
• 高PCDI得分与晚期瘤阶段,侵袭性病理特征和瘤代谢改变有关.
• 免疫分析显示高PCDI与免疫抑制性瘤微环境之间存在关联,包括调节性T细胞增加和PD-L1表达减少.
• 患有高PCDI的患者表现出对免疫检查点抑制剂的潜在耐药性.

结论:

• 编程细胞死亡指数 (PCDI) 作为结直肠癌的强有力的预后生物标志物.
• PCDI提供了关于瘤生物学的见解,包括代谢和免疫特征,并预测对治疗的反应.
• PCDI有可能指导个性化治疗策略,并改善结直肠癌患者的治疗结果.