相关实验视频
Updated: May 20, 2025

08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
6.8K
通过机器学习为老年乳腺癌提供一个基于多个奥米克的预后模型:从瘤微环境的缺氧和免疫力中获得的见解
Yu Song1, Changjun Wang1, Yidong Zhou1
1Department of Breast Disease, Peking Union Medical College Hospital, Peking Union Medical College, Beijing , China.
Clinical breast cancer
|May 17, 2025
概括
一个新的机器学习模型使用多组数据预测了老年成人乳腺癌 (OABC) 的存活率. 缺氧和免疫微环境特征是OABC患者的关键预后因素.
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:
- 老年成人乳腺癌 (OABC) 患者 (≥65岁) 由于复杂的瘤生物学和衰老,往往比年轻人更糟糕的结果.
- 瘤微环境,包括缺氧和免疫透,在乳腺癌预后中起着至关重要的作用.
研究的目的:
- 开发一种新的OABC预后模型,使用多组学方法和机器学习.
- 调查低氧和免疫微环境在OABC预后中的作用.
主要方法:
- 使用癌症基因组图谱 (TCGA) 分析了OABC和年轻成人乳腺癌 (YABC) 患者的遗传和分子数据.
- 开发了一个整体机器学习模型,集成多组数据 (mRNA,miRNA,lncRNA,CNV,SNV) 和临床病理特征.
- 在OABC患者队列中训练并验证了该模型.
主要成果:
- 整体模型实现了69.5%的OABC生存结果的预测准确度.
- 与YABC相比,OABC瘤表现出明显的缺氧相关的基因表达和减少的免疫细胞透.
- 在OABC患者中,低氧显著与较差的无病存活 (DFS) 相关联.
结论:
- 对OABC的基于多组的预后模型表明了临床潜力.
- 缺氧和免疫微环境是OABC预后的关键决定因素.
- 对个性化治疗策略的进一步验证和探索是有必要的.
更多相关视频
07:46Microfluidic Co-Culture Models for Dissecting the Immune Response in in vitro Tumor Microenvironments
Published on: April 30, 2021
4.6K
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
6.8K