基于生物信息学的多态和机器学习分析识别了与茎相关的分子亚型和乳腺癌的预后指数
Yan-Yu Hou1,2,3, Wen-Jia Chen1,2, Yang-Zheng Lan1,2
1The Breast Center, Cancer Hospital of Shantou University Medical College, Shantou, China.
Translational cancer research
|December 11, 2025
概括
这项研究根据茎状性确定了乳腺癌 (BC) 的分子亚型. 一种新的7基因特征可以预测预后,并有助于为BC患者提供个性化治疗策略.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物统计学 生物统计学
背景情况:
- 乳腺癌 (BC) 复发和治疗耐药性与癌症干细胞有关.
- 由瘤干驱动的分子亚型定义不佳,限制了临床实用性.
研究的目的:
- 确定与BC茎性相关的分子类型.
- 评估乳腺癌的干度相关风险模型的预后价值.
主要方法:
- 使用OCLR.si分析TCGABC样本的mRNA干度指数 (mRNAsi).
- 使用WGCNA识别了与干部相关的基因模块,并构建了BC干部亚型.
- 开发并验证了使用LASSO回归和纳米图集临床因素的预后风险模型.
主要成果:
- 鉴定了与mRNAsi相关的三个基因模块,并根据11个预后基因建立了两种亚型的分类.
- 开发了一种经过验证的7基因预后特征 (BEND5,TNN,PDLIM4,CD24,POP1,PRDX1,PGK1) 用于BC患者分层.
- 签名作为一个独立的预后因素,和一个集成的nomogram显示出很好的校准.
结论:
- 使用mRNAsi相关基因对乳腺癌进行分类,并建立了相应的风险模型.
- 提出基于干细胞特征的新型分类工具,用于预后分层.
- 该工具为开发乳腺癌个性化治疗策略提供了指导.
更多相关视频
07:47Author Spotlight: Unveiling Transmembrane Protein Family-Related Markers in Gastric Cancer and Implications for Targeted Therapies
Published on: September 15, 2023
2.1K
08:39Evaluation of Stem Cell Properties in Human Ovarian Carcinoma Cells Using Multi and Single Cell-based Spheres Assays
Published on: January 3, 2015
9.9K
