目的探讨癌症分型中的多组学整合与可视化(multi-omics integration and visualization in cancer subtyping,MOVICS)集成聚类方法在低级别胶质瘤(lower-grade gliomas,LGG)多组学数据整合分型中的应用,识别LGG高危患者,筛选出潜在的生...
详细信息
目的探讨癌症分型中的多组学整合与可视化(multi-omics integration and visualization in cancer subtyping,MOVICS)集成聚类方法在低级别胶质瘤(lower-grade gliomas,LGG)多组学数据整合分型中的应用,识别LGG高危患者,筛选出潜在的生物标志物和重要通路。方法采用MOVICS方法集成LGG多组学数据的10种整合方法的分型结果,得到LGG的稳健分子分型,进一步采用Cox回归研究不同分型患者的死亡风险;针对不同分型,筛选差异表达的mRNA(DEmRNAs),miRNA(DEmiRNAs)以及差异甲基化基因(differential methylation genes,DMGs),对三者进行联合分析得到重合基因,利用GO和KEGG分析得到重合基因富集通路,进一步分析核心基因的表达水平对生存率的影响,最后对不同分型患者进行通路活性分析。结果LGG患者分为三型,其中,分型3患者的死亡风险是分型1的2.794倍;筛选出1569个DEmRNAs,140个DEmiRNAs以及337个DMGs,119个重合基因富集到有统计学差异的26条GO生物功能项和7条KEGG通路;生存分析表明DNAJB14和MTUS1可能与患者生存结局相关。通路活性分析结果显示Androgen、EGFR、Trail和VEGF通路的活性在不同分型间差异有统计学意义。结论MOVICS聚类集成方法能够有效地对LGG患者进行分型,识别预后高风险患者,筛选出潜在生物标志物以及重要通路,为LGG患者个体化治疗策略的制定提供理论依据。
目的研究一种新的抗肿瘤药物剂量探索模型(continual reassessment method based on toxicity and efficacy,CRM-TE),这种模型可以在I期临床试验中同时考虑毒性和疗效的药物作用,给II期临床试验推荐最适剂量(recommend the optimal dose...
详细信息
目的研究一种新的抗肿瘤药物剂量探索模型(continual reassessment method based on toxicity and efficacy,CRM-TE),这种模型可以在I期临床试验中同时考虑毒性和疗效的药物作用,给II期临床试验推荐最适剂量(recommend the optimal dose,RP2D)。方法基于连续重评估模型(continual reassessment model,CRM)对药物的剂量-毒性和剂量-疗效曲线分别进行估计,并根据给出的权衡函数选择最适剂量。结果本文提出最适剂量估计方法与目前现有的同类型方法相比,能够在保证安全性的前提下,同时综合考虑不同剂量下的疗效,使选择的RP2D更为合理。结论本文为药物临床试验最适推荐剂量提供了一种新的方法,对于抗肿瘤等药物剂量探索具有一定的实用价值。
暂无评论