混合胃癌的分子亚型由机器学习定义,用于预测预后和治疗反应
Minchao Rao1,2, Ruiwen Ruan1,3, Jianping Xiong1,3
1Jiangxi Medical College, Nanchang University, Nanchang, Jiangxi Province, 330006, China.
Current medicinal chemistry
|July 2, 2025
概括
本研究使用细胞外矩阵受体 (ECMR) 和细胞粘附 (CA) 相关基因重新分类混合胃癌 (MGC),识别亚型并开发预测预后和治疗反应模型.
科学领域:
- 胃癌研究研究 胃癌研究
- 瘤的分子亚型分类
- 细胞外矩阵生物学 细胞外矩阵生物学
背景情况:
- 胃癌 (GC) 亚型 (肠道,扩散性,混合性) 的预后不同,而扩散性GC的预后较差.
- 混合胃癌 (MGC) 呈现异质性,使治疗和预后复杂化.
- 细胞外矩阵 (ECM) 组成在GC亚型之间有所不同,影响瘤行为.
研究的目的:
- 使用细胞外矩阵受体 (ECMR) 和细胞粘附 (CA) 相关基因重新分类MGC.
- 在MGC中识别分子亚型.
- 开发一个预测模型,用于MGC的预后和治疗反应.
主要方法:
- 来自TCGA和GEO数据库的RNA测序数据被分析为MGC患者.
- 非负矩阵因子 (NMF) 识别了基于ECMR和CA相关基因的分子亚型.
- 机器学习开发了一个基于ECMR和CA的基因签名 (ECRS) 用于预后和治疗预测.
主要成果:
- 确定了两种不同的MGC分子亚型,具有显著的预后差异.
- 优化的ECRS模型在风险组之间区分了生物和免疫特征.
- 低风险患者表现出对免疫疗法和化疗的敏感性增加.
结论:
- 使用ECMR和CA相关基因识别了MGC的新型分子亚型.
- 一个有效的ECRS模型可以预测MGC预后,免疫疗法反应和化疗敏感性.
- 该模型为MGC患者提供了个性化的治疗策略.


