使用机器学习和与运动蛋白相关的基因开发前列腺癌生化复发风险签名
Weixing Wang1, Guohai Xie2, Zhonggao Wu1
1Department of Urology, Ningbo Haishu People's hospital, Ningbo, Zhejiang, China.
PloS one
|September 16, 2025
概括
这项研究开发了一种新的预后工具,使用运动蛋白相关基因 (MPRG) 来预测前列腺癌患者的生化复发 (BCR). 这些发现为个性化治疗策略和改善临床管理提供了洞察力.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 运动蛋白与癌症进展有关,但它们在前列腺癌生化复发 (BCR) 中的作用尚不清楚.
- 开发准确的BCR预后指标对于有效的患者管理至关重要.
研究的目的:
- 使用机器学习 (ML) 和运动蛋白相关基因 (MPRG) 创建前列腺癌BCR的预测模型.
- 确定与BCR相关的MPRG,并开发一个风险分层系统.
主要方法:
- 使用单变Cox回归和ML算法 (StepCox + Ridge) 来分析MPRG并选择特征.
- 开发了一个风险评分系统,并将患者分为高风险和低风险组.
- 基因表达,免疫透和药物敏感性在风险组之间进行了比较;进行了体外验证.
主要成果:
- 八个MPRG与BCR有显著的关联,形成了一个新的风险特征.
- 风险特征有效地对患者进行了分层,高风险个体显示出更高的BCR率.
- 丰富分析显示了风险组之间的明显途径差异;风险得分与免疫细胞透和药物敏感性相关.
结论:
- 一个新的MPRG衍生的风险特征准确地预测了前列腺癌中的BCR.
- 这个签名为临床决策和个性化治疗方法提供了宝贵的见解.


