使用机器学习构建与外体相关的膀癌预后模型,并将THBS1确定为潜在的目标

科学领域:

• 在瘤学瘤学.
• 分子生物学分子生物学
• 生物信息学是一种生物信息学.

背景情况:

• 外体对膀癌 (BCa) 的发展起着至关重要的作用.
• 目前BCa的预后系统缺乏基于外体的方法.
• 在BCa.中需要新的预后模型和治疗点.

研究的目的:

• 使用机器学习开发BCa的外体相关预后模型.
• 为了确定BCa.的潜在治疗点.
• 为改善膀癌的个性化治疗策略.

主要方法:

• 在BCa转录数据上使用了十个机器学习算法.
• 通过生存分析和考克斯回归验证了预后模型.
• 通过免疫微环境评估和功能丰富分析探索生物机制.
• 通过分子对接和实验分析确定并验证了潜在的治疗点.

主要成果:

• 为BCa.开发了一种机器学习衍生的预后模型 (MLDPM).
• 该MLDPM有效地将患者分为不同的风险类别,具有差异性的生存结果.
• 确定THBS1作为潜在的生物标志物和治疗标,显示出显著的BCa细胞迁移和抑制后的入侵抑制.
• 计算对接揭示了THBS1/MMP9/CXCL12和化疗化合物之间的相互作用.

结论:

• 建立了第一个基于机器学习的BCa外体预后系统.
• 确定THBS1作为一个有前途的生物标志物和膀癌的治疗点.
• 这项研究为个性化BCa治疗提供了一种新的计算和实验方法.