基于机器学习的凝血相关签名,用于预测肺腺癌的预后和治疗益处

科学领域:

• 在瘤学瘤学.
• 遗传学 遗传学 是一个
• 免疫学 免疫学 免疫学

背景情况:

• 静脉血栓栓塞是肺腺癌 (LUAD) 的常见并发症,与不良结果有关.
• 凝血和瘤免疫微环境之间的相互作用显著影响LUAD进展和免疫反应.
• 有限的研究存在于凝血相关基因 (CRG) 在LUAD中的作用.

研究的目的:

• 根据CRG识别LUAD的分子亚型.
• 为LUAD患者开发和验证使用CRG的预后签名.
• 探索CRG,瘤微环境和LUAD中的临床结果之间的关联.

主要方法:

• 使用共识聚类分析,根据CRG表达式对LUAD进行分类.
• 在TCGA队列中使用LASSO算法构建了一个预后签名.
• 签名使用独立数据集 (GSE30219和GSE31210) 进行了验证.

主要成果:

• 在LUAD中确定了两个不同的CRG相关集群.
• 集群1与有利的结果,更高的免疫细胞透率和增强的免疫反应标志物有关.
• 与现有模型相比,一个20-CRG预后签名显示出优越的预测性能,使得用于临床应用的nomogram构造成为可能.

结论:

• 两种分子亚型和基于CRG的预后特征被确定为LUAD.
• 这种分子分层有助于预测LUAD患者的预后.
• 这些发现支持个性化治疗策略,包括化疗,向治疗和免疫治疗.