在骨髓瘤的预后和免疫透中建立一个与A相关的分子模式,使用机器学习和实验

科学领域:

• 在瘤学瘤学.
• 分子生物学分子生物学
• 生物信息学是一种生物信息学.

背景情况:

• 骨肉瘤预后预测需要准确的模型.
• 与N6-甲基氨酸 (m6A) 相关的基因是骨髓瘤中关键的分子调节剂.
• 一个特定的预后模型m6A相关的基因在骨髓瘤之前是未确定的.

研究的目的:

• 开发和验证基于m⁶A相关基因的骨髓瘤预后模型.
• 为了建立一个临床的诺姆图,以提高预后预测.
• 研究m6A相关基因特征与瘤免疫微环境之间的关系.

主要方法:

• 使用了来自GEO数据集的基因表达和临床数据 (GSE21257,GSE16091).
• 在训练数据集上开发了一个使用弹性净惩罚Cox回归的预测模型.
• 通过ROC分析,Kaplan-Meier分析和Wilcoxon的测试,使用内部和外部测试数据集验证模型的有效性.
• 构建了一个临床名录,并进行了体外实验和生物信息学分析 (免疫透,GSEA).

主要成果:

• 确定了110多个A相关的生存显著基因,其中14个被选择为最终的预后模型.
• 在训练 (0.8304),内部测试 (0.9091) 和外部测试 (0.7123) 数据集中实现了模型的高AUC值.
• 对1,3年和5年的总生存期表现出强大的预测性 (AUC:0.8827,0.8709,0.7664).
• 在高危人群中观察到免疫评分下降和恶性瘤相关途径的丰富.

结论:

• 一个基于m⁶A相关基因的强大的预后模型已成功开发用于骨髓瘤.
• 生成的临床名录为临床决策和个性化骨髓瘤治疗提供了有价值的工具.
• 这些发现为m6A相关基因在骨髓瘤进展和免疫规避中的作用提供了新的见解.