CEACAM6作为一种机器学习衍生免疫生物标志物,用于预测HR+/HER2-乳腺癌中新辅助化疗反应
Dalang Fang1, Jie Lin2, Jin Wang1
1Department of Gland Surgery, Affiliated Hospital of Youjiang Medical University for Nationalities, Key Laboratory of Tumor Molecular Pathology of Baise, Baise, Guangxi, China.
Frontiers in immunology
|September 12, 2025
概括
CEACAM6是一个关键的生物标志物,预测激素受体阳性/人表皮生长因子受体2-阴性 (HR+/HER2-) 乳腺癌中新辅助化疗 (NAC) 的反应不佳. 高CEACAM6表达与化学抵抗和免疫抑制相关,表明其治疗潜力.
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:
- 激素受体阳性/人表皮生长因子受体2-阴性 (HR+/HER2-) 乳腺癌是最常见的亚型,具有可变的新辅助化疗 (NAC) 反应.
- 目前的生物标志物缺乏NAC的预测准确性,限制了个性化治疗策略.
研究的目的:
- 在HR+/HER2-乳腺癌中确定NAC反应的预测生物标志物.
- 探索已识别的生物标志物的治疗潜力.
主要方法:
- 来自TCGA和GEO数据集的综合基因组数据用于生物标志物发现.
- 使用机器学习算法 (LASSO,随机森林,SVM-RFE) 进行基因查和预测模型构建.
- 利用GSEA,免疫透分析,药物敏感性预测和IHC进行验证.
主要成果:
- 确定CEACAM6作为一个关键基因,高表达预测残留疾病 (RD) 和低生存率.
- 高CEACAM6的瘤显示药物耐药性路径和免疫抑制 (例如,Tregs增加) 的丰富.
- CEACAM6表达与化学抵抗相关,并在NAC后的样本中得到IHC的证实.
结论:
- CEACAM6是HR+/HER2-乳腺癌中NAC反应的一个有希望的预测生物标志物.
- 整合免疫和通路特征的机器学习模型可以优化个性化的NAC策略.
