基于机器学习和免疫微环境分析的肺癌预后模型的开发和验证
1Teaching and Research Office of Traditional Chinese Medicine, Guizhou Nursing Vocational College, Guiyang, Guizhou, China.
Journal of cellular and molecular medicine
|November 30, 2025
概括
这项研究开发了一种机器学习模型,使用基因表达来预测肺癌的预后. 该模型通过分析免疫微环境来准确预测存活率,帮助个性化免疫疗法.
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:
- 肺癌的预后是高度可变的,需要改进预测工具.
- 瘤免疫微环境显著影响肺癌的进展和治疗结果.
研究的目的:
- 利用机器学习开发一个强大的肺癌预后模型.
- 研究免疫细胞相互作用和基因表达在肺癌微环境中的作用.
主要方法:
- 从TCGA和GEO数据库收集和分析RNA测序和临床数据.
- 应用差异基因表达分析和无监督聚类.
- 使用机器学习算法开发和验证了一个预后模型.
- 使用Seurat和CellChat分析了针对免疫细胞相互作用的单细胞RNA测序数据.
主要成果:
- 确定了276个与肺癌相关的基因.
- 预后模型实现了高预测性能 (AUC 0.874-0.925,C指数为 0.874).
- 六个关键的免疫基因 (TLR2,TLR4,CCR7,IL18,TIRAP,FOXP3) 呈现出特定的表达模式.
- 揭示了复杂的免疫细胞通信网络和风险组之间的免疫透的显著差异.
结论:
- 开发的模型为肺癌预后提供了可靠的工具.
- 免疫微环境在肺癌的发病过程中起着至关重要的作用.
- 这些发现支持为肺癌患者开发个性化免疫疗法策略.


