使用机器学习技术深入分析 lysosome-dependent细胞死亡在子宫内膜癌中的作用及其与瘤微环境的相互作用
Wu Min1,2, Fang Mo3, Tang Yun3
1Nanxishan Hospital of Guangxi Zhuang Autonomous Region (The Second People's Hospital of Guangxi Zhuang Autonomous Region), Guilin, Guangxi, China.
Journal of cellular and molecular medicine
|December 9, 2025
概括
这项研究开发了一种机器学习模型,使用基因表达和临床数据来预测子宫内膜癌的预后. 参与细胞死亡的关键基因影响瘤免疫力和药物敏感性,有助于个性化治疗策略.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 免疫学 免疫学 免疫学
背景情况:
- 预测子宫内膜癌的预后仍然具有挑战性.
- 了解瘤微环境对于治疗策略至关重要.
研究的目的:
- 开发一种机器学习模型,用于预测子宫内膜癌患者的预后.
- 为了研究 lysosome-dependent细胞死亡基因在子宫内膜癌中的作用.
- 确定用于风险评估和治疗分层的生物标志物.
主要方法:
- 综合基因表达,临床和多式联络数据.
- 构建了一个用于预测预后的机器学习模型.
- 分析了基因表达模式及其与瘤微环境特征的关联.
主要成果:
- 机器学习模型准确地预测了子宫内膜癌患者的预后.
- lysosome-dependent细胞死亡基因表现异质,与免疫细胞透和代谢相关.
- 高风险患者的免疫评分较低,免疫抑制细胞更多,与较差的结果和免疫疗法耐药性有关.
- 基因表达与化疗药物敏感性相关.
结论:
- lysosome-dependent细胞死亡基因是子宫内膜癌的显著预后标志物.
- 这些基因影响瘤的免疫微环境和药物敏感性.
- 这些发现为改善子宫内膜癌风险分层和个性化治疗策略提供了潜力.
