整合机器学习和实验验证识别了一个转化后修改基因签名,用于乳腺癌的预后和治疗反应

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:

• 乳腺癌 (BC) 是全球妇女死亡的主要原因.
• 翻译后修改 (PTMs) 在BC启动和进展中起着至关重要的作用.
• 了解PTM对BC预后的影响对于改善患者的治疗结果至关重要.

研究的目的:

• 调查各种PTM与乳腺癌患者预后之间的关联.
• 开发和验证用于BC预后的PTM相关基因特征 (PTMRS).
• 探索PTMRS,瘤免疫力和治疗反应之间的关系.

主要方法:

• 基因组变异分析 (GSVA) 用于评估PTM活动.
• 机器学习模型开发PTMRS.
• 单细胞和空间转录组学用于基因表达分析.
• 聚合酶连锁反应 (PCR) 用于验证.

主要成果:

• 大多数PTM被发现在乳腺癌中失调.
• 开发的PTMRS,包括SLC27A2,TNFRSF17,PEX5L,FUT3和COL17A1,与现有签名相比,显示出优异的预测性能.
• 较高的PTMRS得分与更差的预后和降低的抗瘤免疫力相关,而较低的得分表明对化疗和免疫治疗的反应更好.
• 空间转录学揭示了瘤组织中特征基因的独特表达模式.

结论:

• PTM是乳腺癌预后的关键调节者.
• PTMRS为BC患者的预后评估提供了一个新的工具.
• 这种签名可以指导针对乳腺癌的个性化治疗策略.