对ccRCC的单细胞转录基因洞察:用于预后和治疗反应预测的干基因特征
Jianhui Chen1, Xinyi Wu2, Guo Han3
1School of Nursing, Jiangsu Food and Pharmaceutical Science College, Huai'an, Jiangsu, China.
Discover oncology
|October 14, 2025
概括
一个新的人工智能驱动型号识别了一种与茎状性相关的基因特征 (SGS),可以准确预测清细胞细胞癌 (ccRCC) 患者的结果和治疗反应.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 人工智能的人工智能
背景情况:
- 清细胞细胞癌 (ccRCC) 呈现出显著的内异质性,使预后和治疗复杂化.
- 在ccRCC中准确预测患者的结果和治疗反应仍然是一个挑战.
研究的目的:
- 使用单细胞RNA测序 (scRNA-seq) 和人工智能 (AI) 来开发ccRCC的强大预后模型.
- 确定用于预测ccRCC中患者存活率和治疗疗效的新生物标志物.
主要方法:
- 来自44个ccRCC样本的scRNA-seq数据的分析.
- 应用LASSO-XGBoost机器学习方法来构建与茎状相关的基因特征 (SGS).
- 在多个独立患者队列中验证SGS模型.
主要成果:
- 鉴定与预后不佳相关的增殖性上皮细胞亚型.
- 开发的SGS有效地将ccRCC患者分为高风险和低风险组.
- 较高的SGS得分与降低整体存活率和对向疗法和免疫检查点抑制剂反应的降低相关.
结论:
- 新的SGS是ccRCC的强大预后生物标志物,性能优于现有方法.
- 对scRNA-seq数据的AI驱动分析可以在ccRCC中发现关键的细胞驱动因素和生物标志物.
- 该SGS有潜力指导个性化治疗策略,并改善ccRCC中的患者分层.
更多相关视频
11:28Isolation and Characterization of a Head and Neck Squamous Cell Carcinoma Subpopulation Having Stem Cell Characteristics
Published on: May 11, 2016
8.9K
09:34A Combinatorial Single-cell Approach to Characterize the Molecular and Immunophenotypic Heterogeneity of Human Stem and Progenitor Populations
Published on: October 25, 2018
7.0K
