在清细胞细胞癌中进行代谢重编程和免疫微环境分析:对预后,向治疗和耐药性的影响
Xiao Zheng1, Yongqiang Liu1, Zixin Yang2
1Department of Nephrology, Gezhouba Central Hospital of Sinopharm, The Third Clinical Medical College of China Three Gorges University, Yichang, 443002, Hubei, China.
这项研究揭示了清细胞细胞癌 (ccRCC) 患者的独特代谢概况,将代谢活动与生存和免疫反应联系起来. 这些发现有助于开发个性化的ccRCC治疗方法.
科学领域:
- 在瘤学瘤学.
- 代谢学 代谢学 代谢学
- 基因组学就是基因组学.
- 免疫学 免疫学 免疫学
背景情况:
- 清细胞细胞癌 (ccRCC) 是最常见的癌,由新陈代谢,免疫微环境和遗传学之间的复杂相互作用驱动.
- 了解这些相互作用对于改善ccRCC诊断和治疗策略至关重要.
研究的目的:
- 调查代谢通路活性,基因突变和ccRCC中的临床结果之间的关系.
- 确定关键基因并开发ccRCC患者分层和治疗选择的预测模型.
主要方法:
- 使用基因组变异分析 (GSVA) 分析癌症基因组图谱 (TCGA) ccRCC队列和KEGG代谢途径.
- 基于代谢概况,基因识别的机器学习模型 (GBM,CoxBoost,LASSO) 和风险模型构建的Cox回归的患者等级分类.
- 使用UALCAN平台进行药物敏感性分析,临床预测建模和甲基化分析.
主要成果:
- 根据代谢活动确定了三个不同的患者群,与生存,临床阶段和遗传突变 (例如,VHL,PBRM1) 的显著差异相关.
- 四个关键基因 (BCAT1,IL4I1,ACADM,ACADSB) 被确定并用于构建一个风险模型,该风险模型将患者分为具有不同的免疫活动概况的高风险和低风险组.
- 风险模型显示出对患者生存的强大预测能力,药物敏感性分析表明风险组之间对AKT抑制剂III和博特佐米布的反应差异.
结论:
- 代谢重编程显著影响ccRCC的进展和免疫微环境,提供潜在的治疗点.
- 开发的风险模型和确定的基因为个性化治疗策略和ccRCC中改善患者管理提供了基础.
- 与核心基因相关的独特表观遗传特征进一步阐明了ccRCC的分子机制.
更多相关视频
06:38A Syngeneic Mouse Model of Metastatic Renal Cell Carcinoma for Quantitative and Longitudinal Assessment of Preclinical Therapies
Published on: April 12, 2017
07:42Patient-Derived Tumor Explants As a "Live" Preclinical Platform for Predicting Drug Resistance in Patients
Published on: February 7, 2021
相关概念视频
Targeted Cancer Therapies
There are several types of targeted therapies against specific...
Combination Therapies and Personalized Medicine
The combination of the drug acetazolamide and sulforaphane is a good example of combination therapy to treat cancer. The cells in the interior of a large tumor often die due to the hypoxic and...
Pharmacogenetics of Drug Targets: β₂-Adrenergic Receptors, Apo E, Thymidylate Synthase
