基于机器学习的胃癌预测模型使用集成的多omics数据
Minyue Shou1, Yuqing Liu1, Yongqian Shu1
1Department of Oncology, The First Affiliated Hospital with Nanjing Medical University, Nanjing, Jiangsu, China.
Cancer investigation
|October 20, 2025
概括
这项研究整合了多学科数据,以创建胃癌 (GC) 的新预后框架. 该框架改善了患者风险分层,并确定了精准医学的潜在治疗目标.
科学领域:
- 基因组学和生物信息学
- 癌症研究 癌症研究
- 分子瘤学分子瘤学
背景情况:
- 目前的方法对胃癌 (GC) 的预后定义不佳.
- 分子异质性需要先进的方法来准确预测.
研究的目的:
- 开发一个强大的多omics预后框架,用于胃癌.
- 确定分子亚型和预后特征,以改善患者分层和向治疗.
主要方法:
- 对108名GC患者的转录组,表观组和临床数据的协同分析.
- 全基因组表达特征分析,甲基化阵列分析和相似性网络融合.
- 开发一个LASSO衍生的预后签名和一个多omics nomogram.
主要成果:
- 确定了1,243个与生存相关的转录和8,742个预后CpG位点.
- 揭示了具有明显临床结果的三种分子亚型;亚型3显示死亡风险明显更高.
- 多omics签名实现了卓越的预后歧视 (C指数:0.786) 和超越现有系统.
结论:
- 与传统方法相比,多omics集成为胃癌提供了更高的预后精细化.
- 确定了特定亚型的途径 (细胞循环,免疫逃避) 和潜在的治疗点 (CDK/PI3K 抑制剂).
- 这一框架为改善胃癌管理提供了精确治疗指导.
