解码肝细胞癌预后:一个机器学习衍生的甲基化签名,整合了转录和瘤微环境的洞察力
Hong Song1, Xiangyu Wang1, Yunpeng Qin1
1School of Integrated Chinese and Western Medicine, Anhui University of Chinese Medicine, Hefei, Anhui, China.
International journal of surgery (London, England)
|February 24, 2026
概括
一个新的10基因签名通过整合多omics数据准确地预测肝细胞癌 (HCC) 存活率. 这种工具有助于对患者进行分层,并开发有针对性的疗法以获得更好的结果.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 肝细胞癌 (HCC) 是全球主要的癌症死亡原因,由于检测迟到和治疗有限,预后不佳.
- 缺乏可靠的预后生物标志物阻碍了患者分层和个性化治疗HCC.
研究的目的:
- 开发和验证肝细胞癌 (HCC) 的多维预后签名.
- 确定可靠的生物标志物,以改善患者风险分层和个性化治疗策略.
主要方法:
- 来自"癌症基因组图谱"的综合转录基因,甲基因和临床数据.
- 应用机器学习算法来识别预后基因签名.
- 使用定量实时PCR,西部抹杀和独立患者队列验证了签名.
主要成果:
- 确定了10个基因组的甲基化相关差异表达基因 (mrDEGs) 作为一个强大的预后签名.
- 该签名在预测验证队伍的整体存活率方面明显优于常规参数.
- mrDEGs与免疫细胞,纤维细胞和代谢途径有关,影响瘤微环境和免疫逃避.
结论:
- 一个整合性的多omics预后工具提供了HCC的精确风险分层和预后预测.
- 该框架支持个性化的治疗决策和新的有针对性的干预开发.
- 这些发现旨在改善肝细胞癌患者的临床结果.
