一个基于机器学习的鼻癌辐射敏感性的多基因预测模型

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 免疫学 免疫学 免疫学

背景情况:

• 放射治疗耐药性是鼻癌 (NPC) 复发和转移的关键因素.
• 确定放射治疗反应的预测生物标志物对于提高患者存活率至关重要.
• 目前的方法缺乏精确的工具来预测NPC中放射治疗的个体反应.

研究的目的:

• 开发和验证一种用于鼻癌 (NPC) 放射治疗敏感性的新型预测评分.
• 确定关键基因和与NPC中放射治疗反应相关的生物学途径.
• 探索放射治疗敏感性与NPC中的瘤免疫微环境之间的关系.

主要方法:

• 评估了机器学习算法,以使用18个关键基因构建鼻癌放射治疗敏感度评分 (NPC-RSS).
• 在公共和内部数据集上验证了NPC-RSS模型 (glmBoost+NaiveBayes).
• 用基因功能分析,细胞系验证和单细胞RNA测序来研究NPC-RSS机制.

主要成果:

• 开发的NPC-RSS在NPC中表现出强大的放射治疗反应预测性能.
• NPC-RSS显示了与免疫特征的显著关联,包括化学激素通路和MHC.
• 功能分析将NPC-RSS与Wnt/β-catenin,JAK-STAT,NF-κB和T细胞受体信号通路联系起来.
• 与NPC-RSS相关的SMARCA2和CD9的基因表达,以及对放射治疗敏感的细胞显示了增强的免疫透.

结论:

• 鼻癌放射治疗敏感度评分 (NPC-RSS) 是NPC中放射治疗反应的有希望的预测工具.
• NPC-RSS提供了对影响放射治疗敏感性的免疫微环境和信号通路的见解.
• 这一分数可以促进精确查可能从放射治疗中受益的NPC患者,指导个性化治疗策略.