目的:筛选与甲状腺乳头状癌(papillary carcinoma of the thyroid,PTC)颈中央区淋巴结转移(central lymph node metastasis,CLNM)相关的危险因素,并建立预测模型,以指导PTC患者的手术决策。方法:回顾并分析南京鼓楼医院1 125例接受甲状...
详细信息
目的:筛选与甲状腺乳头状癌(papillary carcinoma of the thyroid,PTC)颈中央区淋巴结转移(central lymph node metastasis,CLNM)相关的危险因素,并建立预测模型,以指导PTC患者的手术决策。方法:回顾并分析南京鼓楼医院1 125例接受甲状腺手术的PTC患者临床特征、超声特征和基因信息,通过单因素和多因素logistic回归分析,筛选出CLNM独立危险因素,并构建列线图模型。使用校正曲线、受试者工作特征(receiver operating characteristic,ROC)曲线和决策曲线评估该预测模型的校准度、准确度和临床实用性。随后,收集483例在南京大学附属金陵医院接受甲状腺手术的PTC患者的相关资料,用于模型的外部验证。结果:在1 125例PTC患者中,单因素回归分析结果显示CLNM阳性组与CLNM阴性组在性别、年龄、甲状腺球蛋白以及病灶超声特征(最大径、纵横比、边缘及微钙化)方面差异均有统计学意义(P<0.05)。多因素logistic回归确认患者性别、年龄以及病灶超声特征(最大径、边缘及微钙化)是CLNM的独立预测危险因素。基于独立危险因素绘制列线图模型,模型的曲线下面积(area under curve,AUC)在训练集中为0.768(95%CI0.741~0.796),在验证集中为0.822(95%CI 0.784~0.859)。结论:本研究建立的模型具有较好的预测能力和泛化能力,有望辅助临床医师为PTC患者制订个体化手术方案。
目的:为肝细胞癌(hepatocellular carcinoma,HCC)患者开发一种新的免疫原性细胞死亡相关特征(immunogenic cell death related signatures,ICDRS)预后模型。方法:分别从TCGA、GEO和ICGC数据库下载RNA-seq表达数据和临床数据。使用AddMod...
详细信息
目的:为肝细胞癌(hepatocellular carcinoma,HCC)患者开发一种新的免疫原性细胞死亡相关特征(immunogenic cell death related signatures,ICDRS)预后模型。方法:分别从TCGA、GEO和ICGC数据库下载RNA-seq表达数据和临床数据。使用AddModuleScore、单样本基因集富集分析(single-sample gene set enrichment analysis,ssGSEA)和加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)筛选免疫原性细胞死亡(immunogenic cell death,ICD)相关基因。基于ICD相关基因使用10种机器学习算法、79种组合构建一致的ICDRS预后模型。采用受试者工作特征(receiver operating characteristic,ROC)曲线评价预后模型,并使用单因素和多因素回归分析判断ICDRS的独立预后价值。同时评估不同风险组的基因组变异格局、肿瘤突变负荷(tumor mutational burden,TMB)、免疫细胞浸润、免疫逃避能力。最后评估不同风险组对药物的敏感性。结果:通过一系列分析,我们构建了含有6种ICD相关基因(包括YWHAB、EHD1、TUBA4A、SRI、SLC16A3、FYN)的ICDRS模型。模型将患者分为高风险组或低风险组,而且通过分析得出高风险组患者的预后比低风险组差。该模型在预测HCC预后和临床转化方面具有较好的性能,且ICDRS是HCC患者OS的独立预后因素。此外,两组TMB差异无统计学意义,但较高风险组而言,低风险组患者具有更丰富的免疫细胞浸润和较低的TIDE评分,表明低风险组可能对免疫治疗的反应更好。我们还发现高风险组对奥沙利铂、米托蒽醌和索拉菲尼等药物敏感性更高,而低风险组从西地尼布、长春新碱和多西他赛等药物中获益更多。结论:该研究结合了ICD相关基因,使用生物信息学和机器学习构建了HCC的预后特征。可帮助临床医生为不同风险的HCC患者选择个性化的治疗策略。
暂无评论