开发一种代谢相关的预后指数,用于风险分层和治疗指导,在I阶段的肺腺癌通过多组学分析

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 代谢学 代谢学 代谢学

背景情况:

• 早期肺腺癌 (LUAD) 在TNM分期之外显示出显著的临床变异性.
• 代谢重编程是已知的癌症的标志,但其在I阶段LUAD的预后作用尚不清楚.

研究的目的:

• 探索在I阶段的代谢重编程的预后意义 LUAD.
• 开发和验证一个新的,基于生物学驱动的预后工具,用于LUAD.

主要方法:

• 从公共数据库 (TCGA, GEO, EGA) 中分析I阶段的LUAD患者数据.
• 应用权重基因同表达网络分析和差异表达分析来识别预后代谢基因.
• 使用机器学习开发一种代谢相关预后指数 (MAPI).

主要成果:

• MAPI精确地将I阶段的LUAD患者分为高风险和低风险组,具有不同的生存结果.
• MAPI的表现优于现有的临床病理特征和特征,作为一个独立的预后因素.
• 高风险的LUAD患者表现出增加的癌症干,遗传异质性,代谢重编程,免疫排除和较差的免疫治疗反应.

结论:

• MAPI是一个生物学上可解释和临床上适用的工具,用于阶段I LUAD的风险分层.
• MAPI为LUAD患者提供了精确的治疗决策.
• 对高风险的LUAD患者确定了潜在的治疗药物 (帕克利塔塞尔,博尔特佐米布,温克里斯).