相关实验视频
Updated: May 10, 2025
10:04
Enhancing Tumor Content through Tumor Macrodissection
Published on: February 12, 2022
9.6K
一种与癌症相关的纤维细胞相关的新型基因特征,用于预测分散型大B细胞淋巴瘤的预后,使用权重基因共同表达网络分析和机器学习
Hongxia Cui1,2, Menglu Chen1, Meifang Zhao1
1Department of Hematology, The Second Affiliated Hospital of Soochow University, Suzhou, China.
The Journal of international medical research
|April 25, 2025
概括
研究人员从与癌症相关的纤维细胞中开发了一种新型基因特征,以预测扩散性大B细胞淋巴瘤 (DLBCL) 的结果. 这种签名有助于分层患者,并指导DLBCL的个性化治疗策略.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
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,临床结果可变.
- 癌症相关纤维细胞 (CAFs) 在瘤微环境和进展中发挥着重要作用.
- 识别新的预后标志物对于改善DLBCL患者管理至关重要.
研究的目的:
- 开发和验证与癌症相关纤维细胞 (CAF) 相关的新型基因特征,用于预测DLBCL患者的预后.
- 评估签名在分层患者中的表现及其与临床结果的相关性.
- 探索CAF相关基因特征与瘤免疫微环境和DLBCL中的药物敏感性之间的关系.
主要方法:
- 权重基因共同表达网络分析 (WGCNA) 用于从公共数据集中识别CAF相关的模块基因.
- 最小绝对收缩和选择运算符 (LASSO) 考克斯回归被应用来构建最小的预后基因特征.
- 卡普兰-梅尔分析,接收器操作特征 (ROC) 曲线和名ogram构造被用于性能评估.
- 探索与基因特征相关的免疫细胞透和药物敏感性.
主要成果:
- 成功开发了与CAF相关的预后基因特征,有效地将DLBCL患者分为高风险和低风险组.
- 开发的风险模型展示了强大的生存预测能力,超过了传统的临床模型.
- 在高风险和低风险组之间观察到免疫细胞概况和药物敏感性的显著差异,这表明了潜在的治疗影响.
结论:
- 一种与CAF相关的新型基因特征为预测扩散型大B细胞淋巴瘤的预后提供了有价值的工具.
- 这种遗传风险模型可以帮助患者分层,并为DLBCL提供个性化治疗策略.
- 这些发现突显了针对CAF相关途径以改善DLBCL治疗的潜力.
