相关实验视频
Updated: Jan 13, 2026

08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
7.4K
利用机器学习驱动的多组学集成:破译编程细胞死亡网络,用于肺腺癌的预后和免疫治疗预测
Wuguang Chang1,2, Bin Luo1, Zhesheng Wen3
1Department of Thoracic Surgery, State Key Laboratory of Oncology in South China, Collaborative Innovation Center for Cancer Medicine, Sun Yat-Sen University Cancer Center, Guangzhou, 510060, People's Republic of China.
Cell biology and toxicology
|January 7, 2026
概括
一种新的编程细胞死亡 (PCD) 签名预测了肺腺癌 (LUAD) 的不良预后和免疫治疗耐药性. 基因NAPSA显示出预测LUAD患者免疫治疗疗效的潜力.
科学领域:
- 在瘤学瘤学.
- 分子生物学分子生物学
- 免疫学 免疫学 免疫学
背景情况:
- 编程细胞死亡 (PCD) 对肺腺癌 (LUAD) 的发展和治疗耐药性至关重要.
- 了解PCD机制可以改善LUAD治疗策略.
研究的目的:
- 开发基于编程细胞死亡 (PCD) 模式的肺腺癌 (LUAD) 预后和治疗反应的预测模型.
- 在LUAD中确定免疫疗法疗效的新生物标志物.
主要方法:
- 整合了14个PCD模式,并使用101种机器学习组合分析了TCGA/GEO数据集,以创建PCD签名.
- 风险组之间的预后,免疫细胞透和治疗敏感性的比较.
- 在LUAD患者中使用批量和单细胞RNA测序 (scRNA-seq) 和多重免疫组织化学 (mIHC) 验证的发现.
主要成果:
- 一个7基因的PCD签名被构建和验证,与更差的预后和减少的免疫透相关.
- 高PCD得分与先进的LUAD,瘤进展和免疫抵抗途径有关.
- NAPSA基因表达与免疫细胞透和免疫治疗反应相关.
结论:
- 开发的PCD签名有效地预测了LUAD患者的预后.
- 纳普萨是预测肺腺癌免疫疗法的有效性的一个有前途的生物标志物.

