基于与免疫调节相关的基因的可解释的人工智能预测了肺腺癌的预后和免疫治疗反应

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 基因组学就是基因组学.

背景情况:

• 肺腺癌 (LUAD) 是一种常见的非小细胞肺癌亚型.
• 预测在LUAD中对免疫检查点抑制剂 (ICI) 的反应,特别是没有驱动突变,仍然具有挑战性.
• 与免疫调节相关的基因 (IRG) 在预测LUAD预后和免疫疗法的有效性方面具有潜力.

研究的目的:

• 建立一个可靠的基于IRG的预测模型,用于LUAD中的ICI响应.
• 研究IRG在LUAD预后和瘤微环境 (TME) 特性中的作用.
• 开发和验证可解释的机器学习模型,用于预测LUAD患者的结果.

主要方法:

• 分析了RNA测序和来自GEO数据库对LUAD患者的临床数据.
• 基于IRG,ESTIMATE,TIMER和TIDE算法的无监督聚类被用于评估免疫透和ICI反应.
• 使用拉索回归和XGBoost与SHAP分析构建和解释基于关键IRG的预后模型.

主要成果:

• 根据IRG表达,LUAD样本被分为两组,具有不同的生存结果和免疫细胞透.
• 高IRG表达模式与更好的生存相关,并预测了对ICI的优异反应.
• 使用GREM1和PLAU的IRG指数 (IRGI) 模型有效地对患者进行了分层,XGBoost模型实现了高预测性能 (AUC = 0.975).

结论:

• IRGI作为一个有价值的生物标志物,用于预测LUAD预后和ICI反应.
• IRG显著影响TME细胞透,为LUAD中的ICI治疗策略提供指导.
• 开发的可解释机器学习模型提高了对LUAD患者结果的预测准确性.