相关实验视频
Updated: Jun 29, 2026
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
7.4K
通过单细胞分析和机器学习识别的与效细胞化相关的特征预测了TNBC结果和免疫治疗反应
Lan Wei1,2, Siyang Wen3, Tingting Dang1
1Key Laboratory of Medical Diagnostics of Ministry of Education, Department of Laboratory Medicine, Chongqing Medical University, Chongqing, 400016, People's Republic of China.
Scientific reports
|November 6, 2025
概括
这项研究确定了三阴性乳腺癌 (TNBC) 中的八个关键的细胞酶相关基因. 这些基因有助于预测患者的预后和免疫治疗的反应,为TNBC治疗提供了新的治疗点.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 遗传学 是一个遗传学.
背景情况:
- 三重阴性乳腺癌 (TNBC) 由于预后不佳和缺乏向治疗方法,构成了重大临床挑战.
- 清除亡细胞的过程Efferocytosis在瘤免疫逃避中起着至关重要的作用.
- 了解细胞的作用对于开发有效的TNBC治疗策略至关重要.
研究的目的:
- 为了识别TNBC中关键的细胞结核相关基因.
- 分析它们对瘤微环境和免疫治疗反应的影响.
- 开发一个TNBC治疗优化的预后模型.
主要方法:
- 利用了来自癌症基因组图谱和基因表达综合数据库的RNA测序数据和临床信息.
- 采用机器学习模型来导出与细胞化相关的基因签名.
- 根据衍生风险分数,分层分别将患者分为高风险和低风险组.
主要成果:
- 确定了八个关键的与卵细胞结核相关的基因:P2RX1,IFNG,IL1A,CD93,XKR8,SIAH2,F2RL1和TLR4.
- 在高风险和低风险组之间,在免疫透和免疫治疗反应方面表现出显著的差异.
- 强调了对化疗敏感性和药物耐药性具有预测价值的乙细胞突变特征.
结论:
- 与细胞结合相关的基因特征是TNBC临床结果和免疫治疗反应的显著预测因素.
- 瘤免疫微环境,受细胞分裂的影响,在调解耐药性方面至关重要.
- 确定了增强TNBC免疫治疗策略的潜在治疗点.
