综合性单细胞和机器学习分析预测前列腺癌中乳酸驱动疗法耐药性:一种分子对接和实验验证的治疗优化框架
Zhiyu Liu1,2, Yuqi Li1,2, Juan Wang1
1Department of Urology, Affiliated Hospital of Southwest Medical University, Luzhou, Sichuan, China.
Frontiers in immunology
|September 18, 2025
概括
使用乳化和耐药性生物标志物的新模型可以准确预测前列腺癌的预后和治疗反应. 这种工具有助于个性化医疗,并改善患者风险分层.
科学领域:
- 在瘤学瘤学.
- 生物标志物发现发现
- 癌症基因组学 癌症基因组学
背景情况:
- 前列腺癌 (PCa) 是一种普遍存在的男性恶性瘤,在预后预测和耐药性方面存在挑战.
- 乳糖和耐药性是瘤生物学中的关键因素,需要进一步研究.
研究的目的:
- 开发一种新的前列腺癌预后模型,将乳酸和耐药性整合起来.
- 确定用于风险分层和预测PCa患者治疗反应的关键生物标志物.
主要方法:
- 单细胞分析和转录组测序确定了与乳化相关的基因和耐药性基因.
- 机器学习和考克斯回归模型被用来构建和验证预后风险框架.
- 分析了与临床特征,瘤微环境和治疗反应的相关性.
主要成果:
- 一个29个生物标志物模型证明了无进展区间 (PFI) 和药物反应的显著预测疗效.
- 高风险和低风险组在TIDE和IPS得分以及化疗敏感性方面表现出明显的差异.
- 分子对接和实验探索了耐药性蛋白质和风险基因之间的联系.
结论:
- 开发的预后模型准确地分层PCa患者,并预测PFI和药物反应.
- 鉴定的风险基因为个性化治疗策略和改进PCa预后评估提供了潜力.


