人工智能驱动的细胞死亡指数（CDI）精准预测肺腺癌预后及关键基因 BCL2L14 的功能解析

　　为解决肺腺癌（LUAD）侵袭性强、异质性大以及程序性细胞死亡（PCD）影响其进展等问题，研究人员利用多中心队列数据开展研究。结果显示，细胞死亡指数（CDI）能精准预测 LUAD 预后，低 CDI 组患者预后更好等，还明确了 BCL2L14 基因的重要作用，为 LUAD 研究提供新思路。

为了促进科学的传播，生物通采集了这篇文章，如需英文原文，请点击！订阅BioHot索取原文

　　背景：肺腺癌（LUAD）具有很强的侵袭性和明显的异质性。程序性细胞死亡（PCD）在肿瘤的进展、侵袭行为、治疗耐药和疾病复发中起着关键作用。患者和方法：研究人员使用来自 4 个多中心队列中 878 名患者的表达数据，从 1481 个与 PCD 相关的基因中识别出 13 个一致性预后基因。运用 10 种机器学习算法生成 101 种组合，基于平均 C 指数选择最优算法，开发出人工智能衍生的细胞死亡指数（CDI）。结果：训练队列和 3 个外部验证队列一致表明，CDI 能够准确预测 LUAD 的预后。而且，CDI 的准确性显著高于传统临床变量、分子特征和之前发表的 22 种特征。低 CDI 组的患者预后更好，免疫细胞浸润水平更高，对免疫治疗的反应更好，更有可能表现出 “热肿瘤” 表型。单细胞分析显示，中性粒细胞的 CDI 评分最高，且标记基因表达存在显著差异。结论：伪时间轨迹分析表明，BCL2L14 在中性粒细胞的发育途径中起着关键作用，可能影响 LUAD 细胞的命运。敲低 BCL2L14 会显著降低 LUAD 细胞的生长、增殖和集落形成能力，同时提高细胞凋亡率。

打赏

领取10x Genomics的单细胞多组学分析解决方案>>领 取

广告 Standard BioTools（原Fluidigm）首创的质谱流式（CyTOF）技术，利用金属元素取代荧光基团作为标记物，从根本原理上解决多参数检测过程中势必难以突破荧光重叠的瓶颈,欢迎索取详细技术资料

下载安捷伦电子书《通过细胞代谢揭示新的药物靶点》探索如何通过代谢分析促进您的药物发现研究

10x Genomics新品Visium HD 开启单细胞分辨率的全转录组空间分析！

欢迎下载Twist《不断变化的CRISPR筛选格局》电子书

单细胞测序入门大讲堂 - 深入了解从第一个单细胞实验设计到数据质控与可视化解析

下载《细胞内蛋白质互作分析方法电子书》