机器学习揭示了在结肠直肠癌中基因表达和免疫透之间的关联:一项全面研究
1Department of Colorectal Surgery, People's Hospital of Chongqing Liangjiang New Area, Chongqing, China.
Cancer biotherapy & radiopharmaceuticals
|November 14, 2025
概括
机器学习确定了与结直肠癌 (CRC) 免疫细胞透相关的基因表达模式. 这些发现为免疫治疗创造了预后模型和潜在的生物标志物.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 生物信息学是一种生物信息学.
背景情况:
- 结肠直肠癌 (CRC) 是全球癌症死亡的主要原因之一.
- 了解CRC分子机制和免疫细胞透到瘤微环境 (TME) 对于治疗和预后至关重要.
- 免疫细胞透显著影响CRC进展和治疗反应.
研究的目的:
- 在单细胞RNA测序数据上使用机器学习研究CRC中免疫细胞的基因表达特征.
- 探索基因表达模式与CRC TME中的免疫细胞透之间的关联.
- 根据已识别的基因表达特征,开发CRC的预后模型.
主要方法:
- 应用机器学习技术,包括聚类和生存分析,以识别CRC中的差异表达基因 (DEG).
- 使用CIBERSORT和ESTIMATE算法来量化免疫细胞透.
- 使用UMAP和t-SNE来减少单细胞RNA测序数据的维度和可视化.
主要成果:
- 根据基因表达模式确定了两个不同的CRC子组,具有显著的生存差异 (p=0.049).
- 在各种生物过程中丰富了DEG,突出了它们的功能相关性.
- 开发了具有良好的预测准确性的预后模型,并揭示了TME内部复杂的免疫-瘤细胞相互作用.
结论:
- 机器学习有效地阐明了CRC中基因表达和免疫透之间的复杂关系.
- 已建立的预后模型对CRC患者分层具有潜在的临床价值.
- 确定了用于CRC免疫疗法和治疗脱敏的新型潜在生物标志物.
