用于预测抗性前列腺癌的放射性免疫疗法反应的蛋白质基因组生物标志物分析
Benchun Yan1, Yuqiu Gao2, Yulong Zou2
1Department of Urology, Hongqi Hospital, Mudanjiang Medical University, Mudanjiang, China.
Cancer biotherapy & radiopharmaceuticals
|August 28, 2025
概括
这项研究引入了一种新的机器学习方法,用于预测前列腺癌患者的治疗反应. 它识别了与蛋白质基因概况相关的超声波生物标志物,有助于对抗性病例的放射性标记免疫疗法的开发.
科学领域:
- 癌症学
- 基因组学
- 放射治疗
- 机器学习
背景情况:
- 治疗耐药性是前列腺癌 (PCa) 的一个重大挑战,限制了手术前化学放射治疗和放射性免疫治疗的有效性.
- 鉴定患者反应的预测生物标志物对于优化高风险PCa的治疗策略至关重要.
研究的目的:
- 开发一个结合机器学习和蛋白质基因分析的整合框架,以确定预测性超声波生物标志物.
- 在高风险的抗治疗前列腺癌中对放射性标记免疫疗法的患者反应进行分类.
- 建立在手术前开发新型放射性标记免疫治疗药物的基础.
主要方法:
- 采用了一种新型的整合框架,使用深度堆叠自动编码器 (DSAE) 和极端梯度提升来进行特征改进和分类.
- 从癌症基因组图谱和独立的放射治疗队列收集了多基因数据 (蛋白质基因组,转录基因组,全外基因组测序).
- 采用DSAE架构,在数据维度降低的同时,在omics层中保持生物多样性.
主要成果:
- 确定了耐药性表型和蛋白质基因特征之间的显著关系,包括DNA修复途径 (BRCA2,ATM),雄激素受体 (AR) 信号和代谢酶 (ACLY,IDH1).
- 在临床前模型中确认了一组超声波生物标志物,
- 纳入超声成像 (输液,硬) 的实时表型特征,以提供对瘤微环境和治疗反应的见解.
结论:
- 开发的整合框架成功地识别了预测性超声波生物标志物,并对治疗耐药前列腺癌的放射性免疫疗法进行了分类.
- 蛋白质基因分析揭示了与治疗耐药性相关的关键途径,提供了潜在的治疗点.
- 这种方法为推进前列腺癌中放射性标记免疫疗法药物开发提供了临床可行的平台.
