基于综合生物信息学和机器学习的肺腺癌的棕化相关预后模型的构建和验证
Zhilan Huang1, Tingyi Xie1, Mingwen Tang2
1The Fourth Clinical Medical College of Guangzhou University of Chinese Medicine, Shenzhen, China.
Translational cancer research
|March 12, 2026
概括
这项研究开发了一种使用棕化相关基因 (LPRGs) 治疗肺腺癌 (LUAD) 的预后模型. 该模型准确预测患者的结果,并指导针对LUAD的个性化治疗策略.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物统计学 生物统计学
背景情况:
- 肺腺癌 (LUAD) 提出了诊断和转移性挑战.
- 棕化在LUAD进展中起着至关重要的作用.
研究的目的:
- 开发一种基于与棕化相关的基因 (LPRGs) 的预后模型,用于LUAD.
- 在LUAD中确定关键生物标志物并阐明它们的潜在机制.
- 为了指导LUAD患者个性化治疗决策.
主要方法:
- 利用来自TCGA和GEO数据库的大量RNA-seq数据.
- 采用机器学习算法来构建51个LPRG的预测签名.
- 使用独立的LUAD数据集验证了模型,并构建了一个临床名录.
主要成果:
- 开发了一个51LPRG预后签名,在外部验证中C指数为0.70.
- 确定了TXN,DNAJB4,SCN2B,GPD1L和ATP8A2作为关键的预后生物标志物.
- 在高风险和低风险组之间观察到免疫微环境,突变负担和药物易感性的显著差异.
结论:
- 为LUAD开发了一个基于LPRGs的强大的预后模型和名图.
- 该模型有助于个性化LUAD管理和治疗决策.


