XiaoMi-AI文件搜索系统
World File Search SystemTCGA
与人类癌的蛋白质表达相关的遗传，药物基因组和免疫景观
蛋白质组学是一种强大的方法，可以快速增强我们对癌症发展的理解。详细的遗传，药物基因组和免疫景观与癌症患者中蛋白质表达有关的表征可以提供有关蛋白质在癌症中功能作用的新见解。通过利用来自癌症基因组图集（TCGA）的基因型数据和来自癌症蛋白质组图集（TCPA）的蛋白质表达数据（TCPA），我们表征了遗传变异对31种癌症类型蛋白质表达的影响，并确定了大约100,000个蛋白质定量性状特征（PQTL）。其中，超过8000个PQTL与患者的总生存期有关。此外，表征蛋白质表达对患者的350多个估算抗癌药物反应的影响显示近230,000个显着关联。此外，在蛋白质表达和免疫细胞丰度之间发现了大约21,000个显着关联。最后，一个用户友好的数据门户GPIP（https://hanlaboratory.com/gpip）开发了多个模块，使研究人员能够探索，可视化和浏览多维数据。这种详细的分析揭示了蛋白质组学景观与遗传变异，患者结果，免疫微环境和跨癌症类型的药物反应之间的关联，提供了一种资源
o r i g i n a l r e s a r c h近环素的局部递送和伏诺替纳斯特靶向肿瘤微环境抑制神经胶质瘤的复发
背景：术后复发是神经胶质瘤患者临床结局不良的主要原因，因此预防肿瘤复发对于胶质瘤的治疗至关重要。方法：在这项研究中，通过RNA-Seq分析检测到正常组织中基质金属蛋白酶（MMP）的表达。这项研究包括来自公共数据库（TCGA），中国神经胶质瘤基因组图集（CGGA）的神经瘤病例。在添加光启动剂时，水凝胶含有米诺环素（Mino）和伏诺替氏（mino）（vor）（vor）（g/mino+vor）。高性能液相色谱（HPLC）用于评估在G/mino+VOR水凝胶中释放药物。使用MTT分析来探索Gelma的生物安全性。免疫组织化学，ELISA和TUNEL分析用于证明G/mino +VOR水凝胶的抗肿瘤作用。结果：我们成功开发了G/mino+VOR水凝胶。实验在体外和体内证实了MMPS响应性在水凝胶中递送米诺环素和伏诺酯，以及对不完全的肿瘤操作模型的抗脱糖瘤作用，这表明G/MINO+VOR水凝胶有效地抑制了手术后Glioma的复发性。结论：总而言之，G/mino+VOR水凝胶可以连续释放药物并改善针对复发性神经胶质瘤的治疗作用。关键字：米诺环素，伏诺替纳斯特，复发性神经胶质瘤，水凝胶，肿瘤微环体
使用放射基因组学对胶质母细胞瘤患者进行 MGNT 分类的不确定性评估
多形性胶质母细胞瘤 (GBM) 是所有高级别脑癌中最恶性的脑肿瘤之一。替莫唑胺 (TMZ) 是胶质母细胞瘤患者的一线化疗方案。O6-甲基鸟嘌呤-DNA-甲基转移酶 (MGMT) 基因的甲基化状态是肿瘤对 TMZ 化疗敏感性的预后生物标志物。然而，评估 MGMT 甲基化状态的标准化程序是侵入性手术活检，其准确性易受切除样本和肿瘤异质性的影响。最近，将放射图像表型与基因或分子突变相关联的放射基因组学在放射治疗的非侵入性评估中显示出良好的前景。本研究利用从多模态磁共振成像 (mMRI) 中提取的成像特征，提出了一种用于 MGMT 分类的机器学习框架，并进行不确定性分析。成像特征包括常规纹理、体积和复杂分形以及多分辨率分形纹理特征。使用公开的 BraTS-TCIA-GBM 术前扫描和 114 名患者的 TCGA 数据集对所提出的方法进行了评估。10 倍交叉验证实验表明，分形和多分辨率分形纹理特征可以更好地预测 MGMT 状态。使用随机梯度朗之万增强模型集合和多分辨率分形特征的不确定性分析可提供 71.74% 的准确率和 0.76 的曲线下面积。最后，分析表明，与文献中不同的知名方法相比，我们提出的具有不确定性分析的方法具有更好的预测性能。
根据基因突变和表达预测肝细胞癌的新治疗药物
肝细胞癌 (HCC) 是第四大常见原发性肝脏肿瘤，是世界范围内重要的医学问题。然而，目前治疗 HCC 的疗法无法治愈，尽管进行了大量尝试和临床试验，但批准的针对 HCC 的靶向治疗方法并不多。因此，有必要寻找其他治疗策略来阻止 HCC 肿瘤的生长。我们正在寻找一种系统的药物重定位生物信息学方法来识别治疗 HCC 的新候选药物，该方法不仅考虑异常的基因组信息，还考虑转录景观的变化。首先，我们基于人类突变数据筛选出在大多数 HCC 样本中频繁突变的 HCC 特征基因即核心基因集合。然后，结合 TCGA 中 HCC 的基因表达数据对 HCC 的核心基因进行分类。最后，基于 kolmogorov-smirnov 统计方法计算每种药物的治疗评分 (TS)。利用这一策略，我们确定了五种与 HCC 相关的药物，包括三种可以治疗 HCC 的药物和两种可能对 HCC 产生副作用的药物。此外，我们还对药物靶标进行了连接图 (CMap) 谱相似性分析和 KEGG 富集分析。所有这些发现都表明，我们的方法对于准确预测 HCC 的新治疗方案是有效的，并且很容易扩展到其他肿瘤。
在分类结直肠癌或肺癌患者死亡的多伴病因
患者多酸性生存结果的分类对于个性化的癌症治疗很重要。机器学习（ML）算法越来越多地用于为医疗保健的决策提供信息，但是这些模型容易受到数据收集和创建算法的偏见。ML模型以前已显示出表现出种族偏见，但他们对不同年龄和性别群体的患者的公平性尚未研究。因此，当对结直肠癌患者（n = 515）分类时，使用TCGA数据进行分类时，我们比较了5个ML模型（随机森林，多项式逻辑回归，线性支持矢量分类器，线性判别分析和多层感知）的多项性表现。所有五个模型均对这些社会人口统计学群体表现出偏见。然后，我们在肺腺癌（n = 589）上重复了相同的过程，以验证我们的发现。令人惊讶的是，对于最大的社会人口统计学组，大多数模型的总体趋势往往较差。优化模型性能的方法，包括在合并年龄，性别或种族群体上测试模型，以及创建经过培训并用于个人或合并的社会人口统计学群体的模型，显示出减少不同群体模型绩效差异的潜力。值得注意的是，这些方法可用于提高ML公平性，同时避免对表现出偏见的模型进行惩罚，从而牺牲整体性能。
2025; 16(4): 1296-1309. doi: 10.7150/jca.104000 研究论文 galectin-8对耐药乳腺癌的临床影响
乳腺癌仍然是全球女性癌症相关死亡的主要原因。降低乳腺癌死亡率的一个重大挑战是多药耐药性。这种耐药性通过各种机制产生，例如药物外排增强、DNA修复改善、逃避衰老、表观遗传修饰、肿瘤异质性、肿瘤微环境 (TME) 的改变以及上皮-间质转化 (EMT)。这些因素共同使得克服耐药性变得尤为困难。因此，在本研究中，我们分析了来自癌症基因组图谱 (TCGA) 的数据，并确定了一个新基因半乳糖凝集素-8，它在乳腺癌进展中起着关键的调节作用。基因集富集分析 (GSEA) 进一步揭示了半乳糖凝集素-8 参与调节乳腺癌的耐药性。为了验证这一发现，我们进行了一项质谱分析，比较了耐药三阴性乳腺癌 (TNBC) 细胞系与对照组。我们的结果表明，耐药细胞中半乳糖凝集素 8 的表达显著增加，且存在统计学上的显著差异。此外，我们发现降低耐药细胞系中半乳糖凝集素 8 的表达不仅可以恢复抗癌药物的有效性，还可以抑制肿瘤细胞的增殖和迁移。因此，我们的研究结果强调了半乳糖凝集素 8 的重要预后和治疗潜力，强调了未来研究探索乳腺癌靶向治疗策略的重要性。
2023; 14(11): 2015-2022. doi: 10.7150/jca.83221 研究论文 miR-452-5p 通过调控 M
背景：非小细胞肺癌（NSCLC）是一种常见的恶性肿瘤，具有高死亡率的特点。microRNA-452-5p（miR-452-5p）和Moesin（MSN）已被证明与肿瘤的调控有关。miR-452-5p是否通过靶向MSN来调控NSCLC仍不清楚。方法：分别使用TargetScan数据和GEPIA数据库预测结合位点并分析基因表达。通过EdU染色、划痕愈合和Transwell实验分别测量细胞增殖、迁移和侵袭。结果：预测并验证了miR-452-5p与MSN的结合位点。构建了过表达miR-452-5p的细胞株，miR-452-5p模拟物明显抑制了H322和A549细胞的迁移、侵袭和增殖能力，而pcDNA-MSN可以逆转miR-452-5p的这种作用。pcDNA-MSN通过降低E-cadherin、增加N-cadherin，显著逆转了miR-452-5p模拟物对H322和A549细胞株EMT相关蛋白表达的影响。GEPIA和TCGA数据库分析发现MSN在肺腺癌和肺鳞状细胞癌中表达显著升高。MSN高表达与肺癌晚期呈正相关，提示预后不良。结论：miR-452-5p通过靶向MSN调控H322和A549细胞株的增殖、迁移、侵袭和EMT过程。该研究可能为NSCLC的预防和治疗提供新的靶点。
长的非编码RNA DLEU2和ROR1途径在乳腺癌中诱导上皮到间质转变和癌症干细胞
乳腺癌（BC）患者因延长时间而接受化学疗法的患者可能会因上皮到中层过渡（EMT）机制（EMT）机制和富集的癌症干细胞（CSC）而引起的转移和临床结局产生深远的影响。在淋巴细胞性白血病-2（LNCRNA DLEU2）和I型酪氨酸激酶样孤儿受体ROR1（ROR1）中表达高水平LNCRNA的BC细胞可能在激活EMT和CSC诱导的增强能力中起作用。在这里我们发现，与TCGA，PubMed Geo数据集和来自存档的乳腺癌肿瘤组织的样品相比，在肿瘤组织中特异性上调了lncRNA dleu2和ror1。化学疗法后，在BC肿瘤细胞中增强了LNCRNA dleu2和ROR1，并与CSC，EMT相关基因和BMI1的表达结合。机械上，ROR1和LNCRNA DLEU2过表达导致肿瘤细胞增殖增强，抑制凋亡，细胞周期失调，化学耐药性以及BC细胞侵入，迁移，发展球体的能力。这些发现意味着lncRNA dleu2和ror1在BC治疗衰竭中的作用在很大程度上归因于EMT，这与富集的CSC相关。总而言之，我们的发现表明LNCRNA DLEU2和基于ROR1的调节环控制EMT和CSC自我更新，这意味着针对这种调节途径可以改善患者对化学疗法和存活的反应。
研究文章组蛋白去乙酰化酶 1 的表达和...
背景与目的 .组蛋白去乙酰化酶1（HDAC1）编码的蛋白质是组蛋白去乙酰化酶复合物的组成部分。HDAC1的异常表达与细胞增殖、分化、转录和翻译密切相关。通过不断筛选与肺腺癌（LUAD）变化相关的基因，形成基因网络，探索肿瘤发病机制和新的治疗靶点。方法 .利用相关网站和数据库（TCGA和GEO数据库）评估HDAC1基因生存分析及其在LUAD的表达。通过数据挖掘，确定HDAC1突变的频率和类型，获得基因相互作用网络的相关热图，完成基因本体和功能富集分析，了解HDAC1的药剂学。结果 .发现HDAC1的表达与LUAD患者的预后有关。基因表达分析中，HDAC1在LUAD中高表达，HDAC1相互作用基因网络（MARCKSL、eIF3I）与细胞基因表达密切相关。功能网络分析显示HDAC1的表达与细胞周期G1-S期的监控点及Notch信号通路（CSL转录因子）的激活有关，参与细胞增殖分化过程及基因表达与新的治疗靶点相关。结论本研究数据挖掘揭示了LUAD中HDAC1的表达及潜在调控因素，为研究LUAD中HDAC1的发生、发展及治疗奠定了基础。
基于深度学习的乳腺癌亚型分类模型
摘要。乳腺癌长期以来一直是女性死亡的主要原因。由于能够记录基因表达数据的 RNA 测序工具的出现，现在诊断、治疗和预后已成为可能。分子亚型与制定临床策略和预后密切相关，本文重点介绍如何使用基因表达数据将乳腺癌分为四种亚型，即 Basal、Her2、LumA 和 LumB。在第 1 阶段，我们提出了一种基于深度学习的模型，该模型使用自动编码器来降低维数。通过使用自动编码器，特征集的大小从 20,530 个基因表达值减少到 500 个。该编码表示被传递到第二阶段的深度神经网络，以将患者分为四种乳腺癌分子亚型。通过部署第 1 阶段和第 2 阶段的组合网络，我们已经能够在 TCGA 乳腺癌数据集上获得 0.907 的平均 10 倍测试准确率。所提出的框架在 10 次不同的运行中都相当稳健，如分类准确度的箱线图所示。与文献中报道的相关工作相比，我们取得了有竞争力的结果。总之，所提出的基于两阶段深度学习的模型能够准确地对四种乳腺癌亚型进行分类，突出了自动编码器推断紧凑表示的能力和神经网络分类器正确标记乳腺癌患者的能力。