Immune-Related LncRNAs to Construct a Prognosis Risk-Assessment Model for Gastric Cancer
Notice bibliographique
Résumé
BACKGROUND: Gastric cancer is a prevalent cause of tumor death. Tumor immunotherapy aims to reshape the specific immunity to tumors in order to kill the tumor. LncRNAs play a pivotal role in regulating the tumor immune microenvironment. Herein, immune-related lncRNAs were used to establish a prognosis risk-assessment model for gastric cancer and provide personalized predictions while providing insights and targets for gastric cancer treatment to enhance patient prognosis. METHODS: Gastric adenocarcinoma transcriptome and clinical data were acquired from the The Cancer Genome Atlas (TCGA) database to screen the immune-related lncRNAs. Then, LASSO COX regression was utilized to construct the prognosis risk-assessment model. Afterward, the reliability of the model was evaluated the relationship between immune infiltration, clinical characteristics, and the model was analyzed. RESULTS: We identified 13 lncRNAs and constructed the prognosis assessment model. According to the median risk score of the training set, the patients were assigned to different risk groups. Overall survival time was shorter in the high-risk group. In the high-risk group, higher infiltration of mono-macrophages, dendritic cells, CD4+ T cells, and CD8+ T cells was observed. Moreover, the model was positively related to tumor metastasis. CONCLUSION: The prognosis risk-assessment model developed in this research can effectively predict the prognosis of gastric cancer patients. This tool is expected to be further applied to clinics in the future, thus providing a novel target for immunotherapy in gastric cancer patients.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».