相关实验视频
Updated: Jun 12, 2025
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
6.9K
在OncoImmune机器学习模型预测免疫反应和leiomyosarcoma的预后
Jingrong Deng1, Changfa Shu2, Dong Wang3
1Department of Obstetrics and Gynecology, The Third Xiangya Hospital of Central South University, Changsha, Hunan, China.
Biomolecules & biomedicine
|June 11, 2025
概括
这项研究确定了影响莱奥米索尔科马 (LMS) 进展和免疫反应的关键基因. 使用这些基因和ATRX状态的机器学习模型可以改善对激进的LMS瘤的预后预测.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 遗传学 遗传学 是一个
背景情况:
- 溶性肌肉瘤 (LMS) 是一种具有攻击性的平滑肌肉瘤,预后不佳.
- 目前的治疗方法对LMS患者的改善有限.
- 了解LMS免疫微环境对于新的治疗策略至关重要.
研究的目的:
- 确定影响LMS进展和单细胞分化的OncoImmune差异性表达基因 (DEG).
- 开发一个基于机器学习的预后模型,用于LMS风险分层.
- 调查ATRX突变,CCDC69表达和LMS免疫不响应之间的机制联系.
主要方法:
- 使用OncoImmune数据进行差异基因表达分析.
- 机器学习模型开发用于预后预测.
- 与免疫路径相关的ATRX突变和CCDC69表达的分析.
主要成果:
- 在LMS中确定了与不同免疫激活状态相关的OncoImmune DEGs.
- 根据七个OncoImmune枢纽DEG和ATRX状态开发了一个具有中等准确性的预后模型.
- 发现的ATRX突变可能调节CCDC69,影响巨细胞功能和免疫反应.
结论:
- 一个集成OncoImmune枢纽DEG和ATRX状态的机器学习模型显示,作为LMS预后的生物标志物具有前景.
- 这些发现提供了对LMS分子特征和免疫逃避机制的见解.
- 需要进一步验证以确定临床实用性来预测LMS患者的结果.
