机器学习衍生细胞衰老指数用于预测瘤患者的预后和药物敏感性
Le Meng1, Haoxun Zhang1, Yifan Qiu2
1Department of Urology, the First Affiliated Hospital of Harbin Medical University, Heilongjiang, Harbin, China.
Frontiers in immunology
|January 1, 2026
概括
我们使用机器学习开发了一种与衰老相关的评分模型 (SRSM),用于预测清细胞细胞癌 (ccRCC) 的存活率. 该模型识别了预后不佳的患者,并突出了潜在的治疗点.
科学领域:
- 在瘤学瘤学.
- 细胞生物学 细胞生物学
- 生物信息学是一种生物信息学.
背景情况:
- 细胞衰老与癌症的发展有关,特别是在清细胞细胞癌 (ccRCC) 中.
- 对于ccRCC患者,需要强大的预后模型,整合老化见解.
研究的目的:
- 开发一个可量化的衰老相关得分模型 (SRSM) 对于ccRCC患者的存活率.
- 使用机器学习识别最小化的基因特征以获得临床适用性.
主要方法:
- 单细胞分析以确定ccRCC瘤中的衰老细胞.
- 整合十个机器学习算法,创建101个组合模型.
- 根据对应指数 (C指数) 选择最佳的Lasso-StepCox模型.
主要成果:
- 确定了一种与9基因衰老相关的基因特征,形成了SRSM的基础.
- 高的SRSM得分与显著较差的ccRCC患者存活率相关 (P < 0.001).
- 高SRSM与增强的氧化酸化和免疫抑制性瘤微环境 (TME) 与增加的调节性T细胞 (Treg) 透有关.
结论:
- 在ccRCC中,SRSM为预后分层提供了一个精确的工具.
- 这些发现突出了衰老细胞作为ccRCC的潜在治疗点,NME2敲击在体外显示出希望.
- 这个框架将衰老生物学转化为一种临床适用的预后工具.
