通过SRG和OCLR干细胞指数,通过机器学习辅助多发性骨髓瘤侧面细胞群的预后
Xufei Xiang1, Ruiyi Yang2, Jicong Li1
1School of Biomedical Sciences & Shandong Medicinal and Biotechnology Center, Shandong First Medical University, Jinan, 250117, China.
Computer methods and programs in biomedicine
|December 31, 2025
概括
来自多发性骨髓瘤干细胞的新预后基因签名改善了患者的预测结果. 这种特征区分化疗抵抗和免疫逃避,指导针对性疗法,以更好地治疗多发性骨髓瘤.
科学领域:
- 在瘤学瘤学.
- 分子生物学分子生物学
- 遗传学 遗传学 是一个
背景情况:
- 多发性骨髓瘤复发是由耐治疗的癌症干细胞驱动的.
- 现有的干度指数对于多发性骨髓瘤生物学缺乏特异性.
- 为了准确的患者分层,需要新的预后模型.
研究的目的:
- 开发,验证和优化一种新的预后基因签名.
- 从侧面人群 (SP) 细胞中提取签名,为多发性骨髓瘤干细胞进行丰富.
- 提高预后准确度,指导个性化治疗.
主要方法:
- 通过使用权重基因联合表达网络分析,从SP细胞转录组中确定了一个核心干性基因模块.
- 通过单个样本基因组丰富分析计算的干细胞相关基因得分.
- 使用非线性编程开发了一个最佳加权的预后模型,并在独立的队列中验证了它.
主要成果:
- 来自SP细胞的特征与已建立的干性指数有很强的相关性.
- 该hsa05222通路是一个主要的预后成分,调节化学抵抗.
- 复合签名预测了免疫逃避潜力,超过了现有的模型.
结论:
- 由SP细胞衍生而来的,最佳加权的特征是多发性骨髓瘤的强大的独立预后生物标志物.
- 签名区分化疗抵抗和免疫逃避的个人资料.
- 这一框架有助于开发个性化,针对癌症干细胞的治疗策略.


