基于机器学习的肺腺癌免疫预后模型的构建和验证
Jinyu Zheng1, Xiaoyi Xu1, Xianguo Chen1
1Department of Cardiothoracic Surgery, Affiliated Jinhua Hospital, Zhejiang University School of Medicine, Jinhua, China.
Frontiers in oncology
|August 6, 2025
概括
这项研究使用免疫相关基因开发了肺腺癌 (LUAD) 的新预后模型. 该模型确定了关键生物标志物,以改善LUAD患者的个性化诊断和治疗策略.
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:
- 肺腺癌 (LUAD) 是癌症死亡的主要原因,经常复发和转移.
- 确定可靠的预后生物标志物对于改善LUAD患者的治疗结果至关重要.
研究的目的:
- 构建和验证一个强大的免疫相关预后模型,用于LUAD.
- 确定与免疫透和患者生存相关的关键枢纽基因.
- 为了探索个性化治疗策略,在LUAD中探索免疫亚型.
主要方法:
- 分析了TCGA和外部队列的转录组数据.
- 权重基因共同表达网络分析 (WGCNA) 整合了差异表达和与免疫相关的基因.
- 机器学习算法 (随机森林,LASSO,SVM-RFE) 确定了中心基因.
- 多变量考克斯回归,ROC和ANN模型评估了预后性能.
- 使用TIMER,ssGSEA和共识集群进行了免疫透和亚型分析.
主要成果:
- 使用四个枢纽基因构建了一个预后模型:CBLC,GDF10,LTBP4和FABP4.
- 该模型在内部和外部验证中显示出强大的预测准确性.
- 在LUAD中观察到CD4+ T细胞,巨细胞和树突细胞的水平升高.
- 确定了两种不同的免疫亚型,具有不同的预后和免疫格局.
结论:
- 建立了一种有效的,与免疫相关的LUAD预后模型.
- 确定了与免疫透和生存相关的关键生物标志物.
- 这些发现为LUAD的个性化诊断和治疗方法提供了基础.
