相关实验视频
Updated: Jan 13, 2026
miRNA Expression Analyses in Prostate Cancer Clinical Tissues
Published on: September 8, 2015
具有可解释AI的整合单细胞和空间转录学揭示了前列腺癌中致命的预后轴
Qintao Ge1,2, Zhenda Wang1, Yangyun Wang3
1Department of Urology and Andrology, Pudong Gongli Hospital, Shanghai University of Medicine & Health Sciences; School of Gongli Hospital Medical Technology, University of Shanghai for Science and Technology, Shanghai, PR China.
研究人员使用先进的转录学和机器学习定义了一个致命的前列腺癌 (PCa) 轴. 基于C4细胞亚型的新风险评分预测结果并指导治疗,改善PCa患者的预后分层.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 计算生物学 计算生物学
背景情况:
- 前列腺癌 (PCa) 呈现出显著的临床异质性.
- 准确的预后模型对于有效的PCa管理至关重要.
研究的目的:
- 在PCa中定义致命瘤轴.
- 使用可解释的机器学习开发一个可解释的预后模型.
主要方法:
- 单细胞和空间转录组学的整合.
- 在PCa阶段对141,986个单细胞进行分析.
- 基准测试101 机器学习管道.
- 使用SHAP进行特征解释.
主要成果:
- 鉴定具有干性潜力的恶性C4上皮亚群.
- 在瘤微环境中发现了免疫抑制.
- 开发基于C4的风险评分,预测无复发生存率.
- 突出PCSK1N作为进展和治疗耐药性的关键驱动因素.
结论:
- 这项研究在PCa.中定义了一个以C4为中心的致命瘤轴.
- 为PCa分层建立了一个可解释的预后框架.
- 向PCSK1N显示了增强AR向治疗疗效的潜力.
更多相关视频
08:05Detection and Isolation of Cancer in Prostate Biopsies Using Stimulated Raman Histology and Artificial Intelligence
Published on: June 10, 2025
12:13Sequencing Small Non-coding RNA from Formalin-fixed Tissues and Serum-derived Exosomes from Castration-resistant Prostate Cancer Patients
Published on: November 19, 2019
