在多发性骨髓瘤的治疗反应预测模型的构建,基于多omics和机器学习
Xionghui Zhou1, Rong Gui2, Jing Liu3
1Department of Blood Transfusion, Third Xiangya Hospital, Central South University, Changsha 410013. 2314710056@qq.com.
概括
这项研究确定了与多发性骨髓瘤 (MM) 治疗反应不佳相关的代谢变化. 使用代谢学和转录学的机器学习模型准确地预测新诊断的MM患者的治疗结果.
科学领域:
- 血液学恶性瘤是什么
- 代谢学和转录学.
- 机器学习在瘤学中
背景情况:
- 多发性骨髓瘤 (MM) 是一种无法治愈的血细胞恶性瘤.
- 初级耐火性多发性骨髓瘤 (PRMM) 表明对初始治疗的反应不佳.
- 优化新诊断的MM (NDMM) 的治疗策略至关重要.
研究的目的:
- 开发一种机器学习模型,用于预测NDMM中的治疗反应.
- 为了确定患有PRMM风险的患者.
- 为优化MM的治疗策略.
主要方法:
- 收集了NDMM,治疗反应良好MM (TRMM) 和PRMM患者的血清代谢物和转录组数据.
- 分析了代谢途径,专注于氨基酸代谢.
- 整合了代谢学和转录学数据,以构建一个预测机器学习模型.
主要成果:
- 在患者组之间发现了显著的代谢差异,特别是氨基酸代谢.
- 预测模型实现了AUC> 0.8,外部验证队列显示AUC> 0.7.7.
- 确定了与治疗反应相关的特定上调和下调代谢物.
结论:
- 不调节的氨基酸代谢与PRMM治疗反应不佳有关.
- 整合代谢学和转录学的机器学习模型有效地预测了MM治疗反应.
- 这种方法可以帮助识别可能对初始治疗不耐药的患者.


