基于使用机器学习算法透瘤的瘤细胞,开发乳腺癌患者的预后模型
1Key Laboratory of Spine and Spinal Cord Injury Repair and Regeneration of Ministry of Education, Tongji Hospital, School of Medicine, Tongji University, 389 Xincun Road, Putuo District, Shanghai, 200065, China.
Discover oncology
|May 14, 2025
概括
这项研究引入了基于内淋巴细胞 (iTILs) 的乳腺癌患者的新预后模型. 以iTIL为中心的签名准确地预测了生存率,并有助于个性化治疗策略.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 生物信息学是一种生物信息学.
背景情况:
- 乳腺癌对全球健康构成重大挑战.
- 瘤透淋巴细胞 (TIL) 是疾病进展和患者结局的关键生物标志物.
- 假设与瘤细胞直接接触的内TILs (iTILs) 比 stromal TILs (sTILs) 起到更重要的作用.
研究的目的:
- 开发和验证一个以iTIL为中心的预后模型,用于乳腺癌患者的分层.
- 研究iTILs在免疫-瘤相互作用中的作用及其预后价值.
- 确定高风险乳腺癌患者的潜在治疗点.
主要方法:
- 利用来自TCGA和METABRIC的RNA-seq数据和临床资料进行培训,以及用于测试的GEO数据集.
- 使用共识聚类和WGCNA来识别与iTIL相关的枢纽基因.
- 开发并验证了一个以iTIL为中心的签名,使用一个机器学习框架与101算法,卡普兰-梅尔分析和名ogram建模.
主要成果:
- 基于以iTIL为中心的签名构建的新型预后模型在多个数据集中进行了构建和验证.
- 该模型显示了3年,5年和10年生存期的强大预测性能,AUC值高 (0.940-0.973).
- iTIL签名被确定为乳腺癌患者整体存活时间的重要独立风险因素.
结论:
- 开发的以iTIL为中心的预后模型为乳腺癌预后提供了先进的见解.
- 这种基于机器学习的模型是患者分层的一个有价值的工具.
- 这些发现有助于开发针对乳腺癌的个性化治疗策略.
