Identification of Key Genes via Integrated Multi-Omics and Machine Learning Uncovers Tumor Biological Features and Prognostic Biomarkers in Uterine Leiomyosarcoma - PubMed
2 months ago
- #Tumor Immune Microenvironment
- #Machine Learning
- #Uterine Leiomyosarcoma
- 子宫平滑肌肉瘤（ULMS）是一种罕见且侵袭性强的子宫恶性肿瘤，误诊率高且预后不良。
- 通过多队列数据整合（4个GEO数据集、TCGA-SARC、单细胞测序）鉴定出96个在细胞周期/p53/DNA修复通路中富集的InteGenes。
- 比较113种机器学习算法后，GBM模型显示出高诊断准确性（训练AUC=1，验证准确率92.3-100%）。
- 36个Mgenes（如TRIP13，AUC=0.972）具有诊断价值，并与肿瘤免疫微环境（TIME）相关。
- 发现Mgenes可调控ULMS的TIME：上调Mgenes与M2型TAMs/Tregs相关，下调Mgenes与效应免疫细胞相关。
- 孟德尔随机化分析未发现Mgenes与ULMS存在遗传因果关系。
- 该研究深化了对ULMS分子特征及免疫微环境的认知，为诊断工具开发和免疫治疗靶点选择提供了新方向。