为结直肠癌患者开发和验证基于机器学习的预后模型,使用与线粒体功能障碍相关的基因
Chang Liu1, Yaxuan Li1, Jiaxu Song1
1First School of Clinical Medicine, Nanjing Medical University, Nanjing, China.
Translational cancer research
|November 14, 2025
概括
这项研究开发了一种机器学习模型,使用线粒体相关的基因来预测结直肠癌 (CRC) 患者的结果. 七基因特征有效地分层风险,并指导个性化治疗.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 结肠直肠癌 (CRC) 是癌症死亡的主要原因,需要新的预后生物标志物.
- 线粒体功能障碍是癌症的标志,影响新陈代谢和免疫规避,但其在CRC的预后作用未得到充分研究.
- 目前的CRC预后模型缺乏深入了解线粒体功能障碍.
研究的目的:
- 开发一种基于机器学习 (ML) 的预后模型,利用线粒体相关基因 (MRG).
- 根据他们的风险对结直肠癌患者进行分层.
- 为指导CRC个性化治疗策略.
主要方法:
- 来自癌症基因组图谱计划和基因表达全集数据集的RNA测序和临床数据的分析.
- 通过功能丰富分析识别316种不同表达的MRG和关键路径.
- 开发和验证一个7基因风险模型,使用ML算法来预测整体生存 (OS),免疫透,药物敏感性和免疫治疗反应评估.
主要成果:
- 一个7基因签名 (TPM2,GSTM1,CYP11A1,SCN4A,LEP,PPARGC1A,NRG1) 有效地将CRC患者分为高风险和低风险组 (P<0.05).
- 高风险得分与较差的整体存活率相关.
- 在免疫细胞透,免疫细胞功能和药物敏感性等风险组之间观察到显著差异.
结论:
- 基于ML的模型使用MRG准确预测CRC预后,免疫微环境和治疗反应.
- 七基因特征通过指导风险分层和向治疗,为精密瘤学提供了一个框架.
- 这种方法将线粒体生物学与结直肠癌管理中的临床结果联系起来.
