瘤亚型分类工具用于HPV相关的头癌
Shiting Li1, Bailey F Garb1, Tingting Qin1
1Department of Computational Medicine and Bioinformatics, University of Michigan Medical School, Ann Arbor, MI, USA.
一个新的机器学习分类器准确地将HPV相关的头角状细胞癌 (HNSCC) 分为IMU和KRT分子亚型. 该工具有助于理解这些独特的HNSCC亚型,以优化潜在的治疗策略.
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:
- 与HPV相关的头状细胞癌 (HNSCC) 呈现出不同的分子亚型:IMU (免疫强) 和KRT (高度化).
- 这些亚型具有独特的分子特征,瘤微环境和临床结果,表明不同的治疗反应.
- 目前还没有一种标准化的方法来确定HPV+ HNSCC瘤的亚型.
研究的目的:
- 开发和验证基于机器学习的分类器,可靠地将HPV+ HNSCC瘤分为IMU和KRT类别.
- 要突出HPV+ HNSCC中这些分子亚型的临床意义.
- 为可访问的瘤亚型提供一个网络工具.
主要方法:
- 分析了密歇根大学卫生院67个HNSCC瘤的RNA测序 (RNA-seq) 数据.
- 来自组合数据集的229个HPV+HNSCCRNA-seq样本被用于训练和测试分类器.
- 在额外的队列中验证了分类器的性能,并评估了亚型和37个临床人口统计学/分子变量之间的关联.
主要成果:
- 机器学习分类器在测试集上实现了100%的准确性.
- 在两个独立的队列中进行的验证证实了分类器根据已知的亚型特征来分离瘤的能力.
- 在亚型和临床人口统计学/分子变量之间确定了21个显著的关联,包括新的发现.
结论:
- 利用大量RNA-seq数据开发了一种可靠的分类器,用于将HPV+ HNSCC分类为IMU和KRT分子亚型.
- 该工具增强了对HPV+ HNSCC异质性的理解.
- 这些发现强调了分子亚型对HPV+HNSCC管理的重要性.
更多相关视频
10:26RNAscope for In situ Detection of Transcriptionally Active Human Papillomavirus in Head and Neck Squamous Cell Carcinoma
Published on: March 11, 2014
07:43Four-color Fluorescence Immunohistochemistry of T-cell Subpopulations in Archival Formalin-fixed, Paraffin-embedded Human Oropharyngeal Squamous Cell Carcinoma Samples
Published on: July 29, 2017
相关概念视频
Classification of Epithelial Tissues: Stratified Epithelium
Classification of Epithelial Tissues: Glandular Epithelium
Multicellular glands are formed during early development when epithelial budding...
Classification of Epithelial Tissues: Overview
Based on the number of cell layers,...
