机器学习查在骨髓瘤和狂宫肌肉瘤中与二硫化基因相关的免疫抑制状态

科学领域:

• 在瘤学瘤学.
• 细胞死亡研究 细胞死亡研究
• 分子生物学分子生物学

背景情况:

• 不硫化,一种新的细胞死亡途径,提供了新的治疗途径.
• 骨髓瘤 (OS) 和衣骨髓瘤 (RMS) 是小儿瘤,其分子驱动因素尚不清楚.
• 了解OS和RMS中的二硫化症对于改善治疗选择至关重要.

研究的目的:

• 为了研究二硫化在骨髓瘤和骨髓瘤中的作用.
• 为了识别与脱硫化相关的分子亚型.
• 为了发现这些肉瘤的预后基因特征.

主要方法:

• 分析了来自GEO和TARGET数据库的RNA转录组数据.
• 使用非负矩阵因子化 (NMF) 进行分子亚型化.
• 整合了100个机器学习算法来识别预后基因.

主要成果:

• 在OS和RMS中鉴定出一种独特的免疫抑制亚型,免疫细胞透率降低.
• 开发了一种用于风险分层的五基因预后特征 (ACTN4,MYH9,FLNA,MYH10,IQGAP1).
• IQGAP1被确定为RMS的独立预后因素;巨细胞透与二硫化相关.

结论:

• 在OS和RMS中发现了一种新型的免疫抑制亚型,由二硫化驱动.
• 为风险分层建立了五个基因签名,并将IQGAP1确定为潜在的治疗标.
• 这些发现为针对儿科瘤的向和免疫治疗策略提供了新的见解.