构建基于机器学习的中性细胞细胞外陷模型,以预测口腔状细胞癌的临床结果和免疫治疗反应

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 遗传学 是一个遗传学.

背景情况:

• 中性细胞外细胞陷 (NETs) 与癌症的进展和转移有关.
• 口腔状细胞癌 (OSCC) 需要新的预后标志物和治疗策略.

研究的目的:

• 为了识别OSCC的预测NET的签名.
• 发现OSCC的潜在治疗点,专注于LINC00937.7.

主要方法:

• 在TCGA数据上进行非负矩阵因子化 (NMF) 和权重基因共同表达网络分析 (WGCNA).
• 机器学习算法 (Enet) 开发一个预测的NETs签名.
• 在体外研究评估LINC00937在OSCC细胞系中的作用.

主要成果:

• 在OSCC中确定了五个与NETs相关的集群,其中C5显示出有利的预后.
• 使用Enet算法开发了一个预测性的NETs签名.
• NETs信号与免疫抑制的微环境相关,并预测免疫疗法反应;LINC00937 knockdown 抑制瘤生长.

结论:

• 网络在OSCC的发展和进步中发挥着重要作用.
• 预后NETs签名可以帮助OSCC患者的风险分层.
• 对于OSCC来说,LINC00937是一个潜在的治疗点.