TMErisk score: A tumor microenvironment-based model for predicting prognosis and immunotherapy in patients with head and neck squamous cell carcinoma
Notice bibliographique
Résumé
Tumor microenvironment (TME) is closely associated with the progression and prognosis of head and neck squamous cell carcinoma (HNSCC). To investigate potential biomarkers for predicting therapeutic outcomes in HNSCC, we analyzed the immune and stromal status of HNSCC based on the genes associated with TME using the ESTIMATE algorithm. Immune and stromal genes were identified with differential gene expression and weighted gene co-expression network analysis (WGCNA). From these genes, 118 were initially selected through Cox univariate regression and then further input into least absolute shrinkage and selection operator (LASSO) regression analysis. As a result, 11 genes were screened out for the TME-related risk (TMErisk) score model which presented promising overall survival predictive potential. The TMErisk score was negatively associated with immune and stromal scores but positively associated with tumor purity. Individuals with high TMErisk scores exhibited decreased expression of most immune checkpoints and all human leukocyte antigen family genes, and reduced abundance of infiltrating immune cells. Divergent genes were mutated in HNSCC. In both high and low TMErisk score groups, the tumor protein P53 exhibited the highest mutation frequency. A higher TMErisk score was found to be associated with reduced overall survival probability and worse outcomes of immunotherapy. Therefore, the TMErisk score could serve as a valuable model for the outcome prediction of HNSCC in clinic.
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 | 0,000 | 0,000 |
| 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 ».