通过单细胞RNA测序和机器学习方法开发和验证白血病预后模型
Doujia Chen1, Jie Yang2, Mengting Wang2
1Department of Hematology, Intersection of Xinlong Avenue, The Second Affiliated Hospital of Zunyi Medical University, Intersection of Xinlong Avenue and Xinpu Avenue, Honghuagang District, Zunyi, 563000, Guizhou, China. chendoujia@163.com.
Discover oncology
|October 10, 2025
概括
这项研究开发了一种机器学习的白血病预后模型,识别了像IL18这样的关键免疫基因. 该工具可以改善白血病预后,并可指导个性化免疫疗法策略.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 生物信息学是一种生物信息学.
背景情况:
- 白血病的预后是高度可变的,需要改进的预测工具.
- 免疫微环境显著影响白血病的进展和治疗结果.
研究的目的:
- 开发和验证基于机器学习的白血病预后模型.
- 为了确定关键的免疫调节基因参与白血病的发病.
主要方法:
- 分析来自TCGA和GEO数据库的RNA测序和临床数据.
- 应用十个机器学习算法用于预测模型开发和跨平台验证.
- 单细胞RNA测序和定量RT-PCR用于免疫标志物验证.
主要成果:
- 预后模型实现了高预测准确性 (AUC为0.874-0.925的1-3年生存率).
- 六个免疫基因 (TLR2,TLR4,CCR7,IL18,TIRAP,FOXP3) 被确定为差异表达和预后显著.
- 实验验证证证实了白血病细胞系中关键免疫标记物的显著上调.
结论:
- 一种可靠的白血病预后工具已经开发出来.
- 这项研究强调了免疫微环境在白血病中的关键作用.
- 这些发现可能会为白血病患者的个性化免疫治疗策略提供信息.
更多相关视频
09:01Flow Cytometry to Estimate Leukemia Stem Cells in Primary Acute Myeloid Leukemia and in Patient-derived-xenografts, at Diagnosis and Follow Up
Published on: March 26, 2018
14.6K
06:33Author Spotlight: Analyzing Bone Marrow Microenvironment in Murine Hematological Malignancies
Published on: November 10, 2023
1.8K
