相关实验视频
Updated: Jun 16, 2025
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
6.9K
多omics分析揭示了瘤免疫微环境的失调,并开发了一种基于机器学习的多基因分类器,用于预测皮质甲状腺癌中的侧侧淋巴结转移
Qingxiang Yu1, Weijing Hao2,3, Yanbin He1
1Key Laboratory of Digital Technology in Medical Diagnostics of Zhejiang Province, Dian Diagnostics Group Co., Ltd., Hangzhou, Zhejiang, China.
Endocrine
|June 14, 2025
概括
在乳头甲状腺癌 (PTC) 中预测横向淋巴结转移 (LNM) 是至关重要的. 这项研究确定了多omics生物标志物,并开发了一种机器学习模型,使用中性粒细胞,以准确预测个性化治疗的LNM.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 分子生物学分子生物学
背景情况:
- 侧侧淋巴结转移 (LNM) 是乳头甲状腺癌 (PTC) 手术管理的关键因素.
- 目前用于LNM检测的手术前成像具有低于最佳的灵敏度,需要改进的诊断工具.
研究的目的:
- 在PTC中确定用于预测LNM的多omics生物标志物.
- 开发一个在PTC患者中LNM的预测模型.
主要方法:
- 对50个PTC样本进行了全面的多omics分析 (整个外体和转录组测序).
- 进行了基因组景观,转录组和共同表达网络分析.
- 一个基于机器学习的多基因分类器被开发来预测LNM.
主要成果:
- 临床因素,如年轻的年龄和较大的瘤大小与LNM风险相关.
- 基因组分析揭示了特定的驱动和保护突变;转录组分析确定了差异表达的基因.
- 瘤免疫微环境中中性粒细胞的升高与高LNM风险密切相关. 预测模型实现了高AUC (0.98训练,0.892测试).
结论:
- 发现了与LNM结合PTC的新型分子洞察力.
- 瘤透性中性粒细胞被确定为LNM的独立预测因子.
- 开发的多基因分类器显示了改善LNM预测和指导个性化PTC治疗的临床潜力.
