胃癌生存分析的放射基因组分析:整合CT成像,基因表达和临床数据
Anju R Nath1, Kiruthika Thenmozhi2, Jeyakumar Natarajan3
1Data Mining and Text Mining Laboratory, Department of Bioinformatics, Bharathiar University, Coimbatore, 641 046, India.
Molecular imaging and biology
|May 15, 2025
概括
整合计算机断层扫描 (CT) 放射学,基因表达和临床数据可以改善胃癌存活率预测. 这项研究确定了新的放射性基因组生物标志物,以提高预后准确度.
科学领域:
- 辐射学和基因组学
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 胃癌 (GC) 的预后依赖于整合不同的数据类型.
- 计算机断层扫描 (CT) 放射学提供了定量成像生物标志物.
- 基因表达概况为癌症生物学提供了分子洞察力.
研究的目的:
- 整合CT放射性特征,基因表达和胃癌临床数据.
- 确定新的放射性基因组生物标志物,以改善整体生存预测.
- 探索GC患者综合数据的预后价值.
主要方法:
- 对37张GC CT图像进行定量放射性分析.
- 基因表达和临床数据整合.
- 基因组丰富分析 (GSEA) 和回归建模用于生物标志物发现和生存预测.
主要成果:
- 选择了46个放射性特征,1032个基因和年龄作为重要的预测因素.
- 确定了29个KEGG通路 (免疫,信号转导,代谢) 连接放射学和基因组学.
- 支持矢量机 (SVM) 模型确定了年龄,CSF1R,CXCL12和特定的图像特征作为生存的独立预测因素.
结论:
- 图像,基因组学和临床数据的整合对GC具有重要的预后潜力.
- 已识别的基因 (CSF1R,CXCL12) 代表了潜在的新型放射基因组生物标志物候选者.
- 对这些生物标志物的进一步评估可以提高胃癌的个性化治疗策略.
