基于机器学习算法和分子对接,识别与神经突触相关的特征和结直肠癌中的潜在治疗药物

科学领域:

• 在瘤学瘤学.
• 神经科学是一个神经科学.
• 生物信息学是一种生物信息学.

背景情况:

• 神经元癌症相互作用影响结肠直肠癌 (CRC) 的进展,但缺乏针对神经元突触的特定生物标志物.
• 了解这些相互作用对于开发CRC新型治疗策略至关重要.

研究的目的:

• 开发一种与神经突触相关的特征 (NSRS),用于预测结直肠癌 (CRC) 患者的生存率.
• 确定潜在的治疗药物,针对CRC中神经元与癌症相互作用.
• 探索NSRS在CRC治疗中的临床应用.

主要方法:

• 收集了神经元突触基因 (NSG),并使用了权重基因协同表达网络分析 (WGCNA) 和LASSO-Cox回归.
• 使用多变量考克斯回归构建了一个预后NSRS模型.
• 分析瘤免疫微环境 (TIME) 并通过分子对接进行药物预测.

主要成果:

• 确定了七个关键的预后NSG,并开发了一个稳定的NSRS模型,高NSRS组显示较差的结果.
• 在高NSRS组中,功能性丰富显示出与上皮-介质细胞过渡,缺氧和炎症的关联.
• 确定了阿尔普拉斯塔迪尔 (alprostadil),二甲基克里斯 (dihydroergocristine) 和诺科达 (nocodazole) 作为潜在的治疗药物.

结论:

• 这项研究介绍了使用机器学习进行CRC预后的第一个神经元突触相关的生物标志物.
• 开发的NSRS模型提供了强大的预后见解,并确定了新药候选药物.
• 这些发现为CRC治疗策略提供了神经元与癌症相互作用的新视角.