多基因整合揭示了乳腺癌中新辅助治疗反应的亚型特定预测因子
Zongchao Mo1,2, Mei Yang3,4, Zhihan Zhu1
1Division of Life Science, Department of Chemical and Biological Engineering, and State Key Laboratory of Nervous System Disorders, The Hong Kong University of Science and Technology, Hong Kong, SAR, China.
Science advances
|July 4, 2025
概括
这项研究揭示了与不同乳腺癌亚型的新辅助疗法反应相关的独特分子标志物. 一个新的机器学习模型,MOPCR,准确地预测治疗结果,为个性化乳腺癌管理铺平了道路.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 新辅助疗法是乳腺癌的标准,但个体反应有很大差异.
- 了解治疗反应的分子驱动因素对于优化患者的治疗结果至关重要.
研究的目的:
- 在中国乳腺癌患者接受新辅助疗法后,确定与病理完整反应 (pCR) 与残留疾病 (RD) 相关的亚型特定分子特征.
- 开发和验证用于预测新辅助疗法响应的多原子机器学习模型.
主要方法:
- 149名中国乳腺癌患者的瘤样本的多基因分析 (基因组学,表观基因组学) 跨ER-HER2+,ER+HER2+和ER-HER2-亚型.
- 结果分为pCR (n=81) 和RD (n=68) 的分类.
- 开发和验证一个分型特定的机器学习模型 (MOPCR),集成临床和多组数据.
主要成果:
- 对每个亚型确定了与pCR和RD相关的独特分子特征,包括细胞增殖,CDKN2A,KIT和MAP4K1甲基化.
- 与单个原子方法相比,MOPCR模型显示出更高的预测准确性.
- MOPCR在独立数据集中显示出潜在的概括性,并确定了具有更高pCR概率的患者子组.
结论:
- 亚型特定的分子变化显著影响乳腺癌中新辅助疗法反应.
- MOPCR模型通过预测治疗反应,为精确的癌症管理提供了一个有希望的工具.
- 这些发现支持开发有针对性的治疗策略和改善患者分层.
更多相关视频
07:41Performing Data Mining And Integrative Analysis Of Biomarker in Breast Cancer Using Multiple Publicly Accessible Databases
Published on: May 17, 2019
9.1K
07:42Patient-Derived Tumor Explants As a "Live" Preclinical Platform for Predicting Drug Resistance in Patients
Published on: February 7, 2021
5.1K
