一个基于病理学的热的签名预测了清细胞细胞癌的存活率
Kaibin Wang1,2, Shiyao Wei3, Dingkun Hou1,2
1Department of Oncology, The Second Hospital of Tianjin Medical University, Tianjin, China.
Discover oncology
|February 18, 2026
概括
一个新的模型将图像特征与热灭症信号结合在一起,以预测清细胞细胞癌 (ccRCC) 的存活率. 这种病理学方法提高了个性化ccRCC治疗的预后准确性.
科学领域:
- 在瘤学瘤学.
- 病理学 病理学 病理学
- 基因组学就是基因组学.
背景情况:
- 改进的预后工具对于管理清细胞细胞癌 (ccRCC) 至关重要.
- 目前ccRCC的预后模型需要改进,以改善临床决策.
研究的目的:
- 通过整合病理学和与火死相关的信号,开发ccRCC的新型预后模型.
- 识别与热灭菌基因相关的图像特征,并验证它们对患者生存的预测能力.
主要方法:
- 对癌症基因组图谱 (TCGA) 整片图像进行分析,以确定图像的定量特征.
- 使用基于已识别的特征的StepCox[forward]+Lasso算法开发预后风险得分.
- 使用时间依赖的AUC和C指数验证模型的预测性能.
- 单细胞测序用于分析ccRCC微环境中的与热死相关的基因表达.
主要成果:
- 确定了59个定量图像特征与热灭基因组显著相关.
- 开发并验证了预后风险评分作为ccRCC患者存活率的独立预测指标.
- 实现了强大的预测性能与时间依赖的AUC为1年,3年和5年的生存率 (0.744,0.729,0.716) 和C指数 (0.71,0.64).
- 涉及关键的与热相关的基因 (GSDMD,GSDME,CASP5,CHMP家族) 将病态表型与结果联系起来.
结论:
- 基于新型热的病理学模型为ccRCC提供了精细的预后评估.
- 这种综合签名补充了传统的临床参数,提高了预后准确度.
- 该模型有可能为ccRCC患者指导个性化治疗策略.
更多相关视频
06:38A Syngeneic Mouse Model of Metastatic Renal Cell Carcinoma for Quantitative and Longitudinal Assessment of Preclinical Therapies
Published on: April 12, 2017
14.3K
09:32Multiplexed Immunofluorescence Analysis and Quantification of Intratumoral PD-1+ Tim-3+ CD8+ T Cells
Published on: February 8, 2018
15.6K
