期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于转录组学分析氟维司群治疗对单核-巨噬细胞趋化因子表达及极化的影响
1
作者 刘宇婷 叶敬文 +7 位作者 刘泊含 刘鷖雯 何怡青 杜艳 张国良 郭倩 高锋 杨翠霞 《海南医科大学学报》 北大核心 2025年第14期1041-1049,1056,共10页
目的:肿瘤细胞获得对内分泌治疗药物的耐受性是ER+乳腺癌治疗失败的关键因素。肿瘤相关巨噬细胞是乳腺癌微环境中的重要成分,然而内分泌治疗药物对巨噬细胞的调控作用尚不清楚,本研究旨在探讨内分泌治疗药物氟维司群对单核-巨噬细胞极... 目的:肿瘤细胞获得对内分泌治疗药物的耐受性是ER+乳腺癌治疗失败的关键因素。肿瘤相关巨噬细胞是乳腺癌微环境中的重要成分,然而内分泌治疗药物对巨噬细胞的调控作用尚不清楚,本研究旨在探讨内分泌治疗药物氟维司群对单核-巨噬细胞极化的影响。方法:借助PMA诱导获得THP-1细胞来源的巨噬细胞,通过RT-qPCR、Western blot、流式细胞术验证氟维司群刺激后的巨噬细胞表面marker变化;通过RNA-Seq技术对氟维司群刺激后的巨噬细胞的转录组改变进行分析,筛选组间差异表达基因;结合GO功能与KEGG通路富集分析差异基因的功能;构建差异基因的蛋白相互作用网络并筛选Hub基因;最后通过RT-qPCR和趋化因子阵列实验验证氟维司群对巨噬细胞Hub基因中5种趋化因子表达的影响。结果:RT-qPCR、Western blot、流式细胞术分析结果表明氟维司群刺激后的巨噬细胞M2相关标志分子表达升高而M1相关标志分子表达降低;RNA-Seq结果显示,氟维司群刺激后的巨噬细胞出现118个差异表达基因;GO与KEGG富集分析结果显示差异基因富集于趋化因子相关功能和信号通路;蛋白互作网络和Hub基因筛选确定了CXCL8、CCL20、CCL22、CXCL10、CCL7 5个关键的趋化因子;对5个关键趋化因子进行RT-qPCR验证表明其表达趋势与RNA-Seq结果一致;趋化因子阵列实验证实氟维司群刺激后的巨噬细胞分泌的CXCL8、CCL20、CCL22增多,而CXCL10、CCL7减少。结论:内分泌治疗药物氟维司群使巨噬细胞M2相关分子CD206表达升高而M1相关分子CD86表达降低,同时使巨噬细胞M2相关趋化因子分泌增多而M1相关趋化因子分泌减少,提示氟维司群促进巨噬细胞向M2极化,抑制其向M1极化,可能与临床内分泌治疗耐药形成有关。 展开更多
关键词 乳腺癌 内分泌治疗耐药 巨噬细胞 趋化因子
在线阅读 下载PDF
基于机器学习的小细胞肺癌代谢分子诊断模型的建立和临床应用
2
作者 黄昕 刘家辉 +3 位作者 叶敬文 钱文莉 许万星 王琳 《上海交通大学学报(医学版)》 2025年第8期1009-1016,共8页
目的·基于小细胞肺癌(small cell lung cancer,SCLC)和良性肺部疾病患者血清中代谢分子表达谱差异,利用机器学习算法建立SCLC早期诊断模型。方法·纳入并收集上海交通大学医学院附属第一人民医院29名SCLC患者和67名良性肺部疾... 目的·基于小细胞肺癌(small cell lung cancer,SCLC)和良性肺部疾病患者血清中代谢分子表达谱差异,利用机器学习算法建立SCLC早期诊断模型。方法·纳入并收集上海交通大学医学院附属第一人民医院29名SCLC患者和67名良性肺部疾病患者数据为模型训练集,甘肃省肿瘤医院20名SCLC患者和40名良性肺部疾病患者数据为独立外部测试集。运用液相色谱-串联质谱法(liquid chromatography-tandem mass spectrometry,LC-MS/MS)对入组患者血清中的69种代谢分子进行绝对定量检测。使用XGBoost Classifer计算输出代谢分子重要性排序,根据顺序前向选择策略结合XGBoost算法筛选出重要代谢分子集合。利用训练集构建AdaBoost、随机森林(random forest,RF)和轻量的梯度提升机(light gradient boosting machine,LGBM)3种常规机器学习模型,采用受试者工作特征曲线(receiver operating characteristic curve,ROC曲线)及曲线下面积(area under the curve,AUC)评估和比较模型性能,并使用独立外部测试集进一步验证。结果·对训练集靶向代谢组学数据进行的主成分分析(principal component analysis,PCA)和正交偏最小二乘判别分析(orthogonal projections to latent structures-discriminate analysis,OPLS-DA)结果显示,SCLC患者与良性肺部疾病患者在代谢组学特征上具有显著区分。根据重要性排序从中筛选出6个重要代谢分子,并利用AdaBoost、RF和LGBM训练诊断模型MTB-6(metabolite-6),结果显示AdaBoost模型在训练集中表现最好,AUC为0.943,诊断SCLC患者的灵敏度和特异度分别为75.0%和90.9%。其在外部测试集中,AUC为0.921,灵敏度和特异度分别为80.0%和87.5%。结论·基于6种代谢物分子和AdaBoost算法的MTB-6模型是一种性能优秀的SCLC诊断模型,具有对SCLC和良性肺部疾病进行鉴别诊断的潜在价值。 展开更多
关键词 小细胞肺癌 诊断模型 机器学习 代谢组学 液相色谱-串联质谱法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部