综合多基因数据与机器学习算法的整合揭示了异质分子亚型,并使肝细胞癌的个性化治疗策略成为可能
Zhipeng Jin1, Kun Fang2, Xue Zhang2
1Department of Hepatopancreatobiliary Surgery, Liaoning Cancer Hospital & Institute, Shenyang, Liaoning, China.
Human mutation
|December 3, 2025
概括
这项研究确定了新的分子亚型和肝细胞癌 (HCC) 异质性的风险评分. 这些发现有助于预测HCC患者的预后和指导个性化精确治疗.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 癌症表现出显著的异质性,对预后和治疗构成挑战.
- 肝细胞癌 (HCC) 的异质性需要更深入的研究,以改善患者的治疗结果.
研究的目的:
- 为了确定驱动肝细胞癌 (HCC) 异质性的因素.
- 为了对HCC的预后进行分层,并为个性化治疗策略提供信息.
主要方法:
- 从使用计算管道的HCC患者集成的多组数据.
- 应用集群算法和机器学习来定义分子亚型 (MSs) 和风险得分 (MSRRS).
- 分析了途径丰富,治疗反应和瘤微环境.
主要成果:
- 在HCC中确定了两个异构的MSS,其中MS2显示出更好的预后.
- 开发了一种强大的分子亚型相关风险评分 (MSRRS),使用Ridge生存模型,优于其他算法.
- MSRRS准确地预测了独立的HCC队列的整体存活率,并提出了指导向治疗,化疗和免疫治疗的潜力.
结论:
- 新的MS和MSRRS有效地揭示了HCC异质性.
- 这些发现为预测HCC的预后和指导个性化的精确疗法提供了潜在的潜力.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.6K
12:24A Three-Dimensional Spheroid Model to Investigate the Tumor-Stromal Interaction in Hepatocellular Carcinoma
Published on: September 30, 2021
5.9K
