Combination Analysis of Ferroptosis and Immune Status Predicts Patients Survival in Breast Invasive Ductal Carcinoma
Notice bibliographique
Résumé
Ferroptosis is a new form of iron-dependent cell death and plays an important role during the occurrence and development of various tumors. Increasingly, evidence shows a convincing interaction between ferroptosis and tumor immunity, which affects cancer patients' prognoses. These two processes cooperatively regulate different developmental stages of tumors and could be considered important tumor therapeutic targets. However, reliable prognostic markers screened based on the combination of ferroptosis and tumor immune status have not been well characterized. Here, we chose the ssGSEA and ESTIMATE algorithms to evaluate the ferroptosis and immune status of a TCGA breast invasive ductal carcinoma (IDC) cohort, which revealed their correlation characteristics as well as patients' prognoses. The WGCNA algorithm was used to identify genes related to both ferroptosis and immunity. Univariate COX, LASSO regression, and multivariate Cox regression models were used to screen prognostic-related genes and construct prognostic risk models. Based on the ferroptosis and immune scores, the cohort was divided into three groups: a high-ferroptosis/low-immune group, a low-ferroptosis/high-immune group, and a mixed group. These three groups exhibited distinctive survival characteristics, as well as unique clinical phenotypes, immune characteristics, and activated signaling pathways. Among them, low-ferroptosis and high-immune statuses were favorable factors for the survival rates of patients. A total of 34 differentially expressed genes related to ferroptosis-immunity were identified among the three groups. After univariate, Lasso regression, and multivariate stepwise screening, two key prognostic genes (GNAI2, PSME1) were identified. Meanwhile, a risk prognosis model was constructed, which can predict the overall survival rate in the validation set. Lastly, we verified the importance of model genes in three independent GEO cohorts. In short, we constructed a prognostic model that assists in patient risk stratification based on ferroptosis-immune-related genes in IDC. This model helps assess patients' prognoses and guide individualized treatment, which also further eelucidatesthe molecular mechanisms of IDC.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».