患者特异性基因共同表达网络揭示了肺腺癌中的新型亚型和预测生物标志物
Patricio López-Sánchez1, Federico Ávila-Moreno2,3, Enrique Hernández-Lemus1
1Computational Genomics Division, National Institute of Genomic Medicine, Mexico City, Mexico.
NPJ systems biology and applications
|May 9, 2025
概括
这项研究通过分析患者特异性基因网络,揭示了六种新的肺腺癌 (LUAD) 亚型. 特定的基因网络特征预测了这种侵袭性非小细胞肺癌 (NSCLC) 的患者存活率.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 癌症研究 癌症研究
背景情况:
- 肺腺癌 (LUAD) 是一种异质的非小细胞肺癌 (NSCLC).
- 全基因组基因共同表达网络 (GCNs) 有助于描述LUAD中的转录变化.
- 现有的GCN方法难以捕捉患者特有的异质性.
研究的目的:
- 使用单样样本网络 (SSN) 建模来解决LUAD异质性.
- 根据网络拓识别新的LUAD亚型和生存预测基因.
主要方法:
- 用LIONESS和相互信息重建了334名LUAD患者的患者特异性GCN.
- 采用无监督分析,根据网络相似性发现LUAD亚型.
- 利用规范化的考克斯回归来对基因网络特征的生存分析.
主要成果:
- 确定了六种新的LUAD亚型,其特点是独特的网络动机和生物程序.
- 发现了12个基因 (例如CHRDL2,RRM2B,TP53INP2),其SSN加权度预测了LUAD患者的存活率.
- 证明SSN的拓特征为LUAD恶性瘤提供了洞察力.
结论:
- SSN 建模有效地捕捉了 LUAD 的特定环境异质性.
- 网络拓为LUAD预后提供了有价值的生物标志物.
- 基于SSN的方法对未来的LUAD研究和个性化医学具有前景.
相关概念视频
02:39lncRNA - Long Non-coding RNAs
8.4K
In humans, more than 80% of the genome gets transcribed. However, only around 2% of the genome codes for proteins. The remaining part produces non-coding RNAs which includes ribosomal RNAs, transfer RNAs, telomerase RNAs, and regulatory RNAs, among other types. A large number of regulatory non-coding RNAs have been classified into two groups depending upon their length – small non-coding RNAs, such as microRNA, which are less than 200 nucleotides in length, and long non-coding RNA...
8.4K
01:58Cell Specific Gene Expression
4.5K
4.5K