通过机器学习在神经母细胞瘤中存储运行的进入特征和免疫动态的预后影响

科学领域:

• 儿科瘤学 儿科瘤学
• 癌症基因组学 癌症基因组学
• 信号传递 信号传递

背景情况:

• 神经母细胞瘤是一种异质的儿科癌症,在高风险病例中结果不佳.
• 在神经母细胞瘤中存储运行的进入通道 (SOCE) 的预后作用尚不清楚.
• 这项研究调查了用于预测神经母细胞瘤预后和治疗策略的SOCE相关基因.

研究的目的:

• 根据SOCE相关的基因表达,识别神经母细胞瘤的分子亚型.
• 开发和验证神经母细胞瘤患者的预后评分系统 (SOCE_Score).
• 探索SOCE资料,免疫透和治疗脆弱性之间的关系.

主要方法:

• 基于SOCE相关基因的神经母细胞瘤RNA-seq数据集的无监督聚类.
• 开发和验证基于机器学习的预后得分 (SOCE_Score).
• 评估免疫特征和识别使用CMap的治疗化合物.

主要成果:

• 确定了两种不同的分子,在生存,免疫透和茎状性方面存在显著差异.
• SOCE_Score准确地分层了患者,超过了传统的临床预测指标.
• 较低的SOCE_Score与有利的免疫特征和对免疫检查点封锁的更好反应有关.

结论:

• 与SOCE相关的基因是神经母细胞瘤预后和免疫活动的强有力的生物标志物.
• SOCE_Score可以帮助风险分层,免疫疗法选择和药物重新使用.
• 将信号纳入神经母细胞瘤管理中具有临床实用性,需要进一步验证.