基于机器学习构建的肿瘤突变负荷相关胃癌预后模型
DOI:
CSTR:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    目的通过分析肿瘤突变负荷(TMB)相关基因,开发并验证TMB相关的预后模型,寻找预测胃癌预后和免疫治疗反应的生物标志物。方法使用limma包筛选胃癌和正常组织中的差异表达基因,结合LASSO回归和多因素Cox回归方法构建胃癌的预后模型,使用CIBERSORT算法分析肿瘤免疫浸润的情况,以评估免疫治疗的反应性。结果所构建的TMB相关预后模型表现出较好的预测准确性,在TCGA总队列中1、3、5年的曲线下面积分别为0.641、0.665和0.720。低风险组患者的总体生存率要优于高风险组,且与免疫激活细胞的较高浸润程度相关。结论该研究构建的预后模型具有良好的预测准确性,并能够评估免疫治疗反应性,为胃癌的临床诊治与免疫治疗提供有效支持。

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

王海涛,胡海红,李卓 △.基于机器学习构建的肿瘤突变负荷相关胃癌预后模型[J].现代医药卫生,2025,41(3):588-593

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2025-03-28
  • 出版日期: 2025-02-15
文章二维码