与自主神经系统发育相关的签名作为一种新的预测生物标志物,用于胰腺癌免疫治疗

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.

背景情况:

• 免疫疗法改变了癌症治疗,但其临床应用有限.
• 生物标志物对于预测患者反应和改善预后至关重要.
• 识别将从免疫疗法中受益的患者对于优化治疗策略至关重要.

研究的目的:

• 开发一种使用新型基因签名的免疫疗法疗效预测模型.
• 为预后目的,识别与癌症相关的关键基因和免疫特征.
• 为了提高预测患者对免疫检查点抑制剂 (ICI) 反应的准确性.

主要方法:

• 利用来自各种癌症类型和ICI队列的单细胞RNA测序 (scRNA-Seq) 和大量RNA测序数据集.
• 应用了七种机器学习 (ML) 方法来识别与癌症和免疫特征相关的重要基因.
• 使用RT-PCR和免疫组织化学 (IHC) 分析验证的差异表达基因 (DEG).

主要成果:

• 确定了一种与ICI预后相关的新型20基因自主神经系统发育相关的特征 (ANSDR.Sig).
• 使用随机森林算法开发了一个强大的泛癌症预测模型,识别了18个关键基因 (Hub-ANSDR.Sig).
• 证明Hub-ANSDR.Sig与免疫细胞透,微卫星不稳定性 (MSI),整体存活率 (OS) 和免疫治疗敏感性相关,特别是在胃癌 (GC) 中.

结论:

• 这项研究提出了一种与ANSD相关的新型特征,用于预测免疫疗法疗效.
• 这种方法提供了改善临床策略和扩大免疫治疗指示的见解.
• 这些发现旨在开发更准确的预测模型和治疗干预措施,以获得更好的患者结果.