机器学习鉴定三阴性乳腺癌的潜在生物标志物

摘要

目的 从基因等分子角度探索影响三阴性乳腺癌(TNBC)发生发展的生物标志物和潜在治疗靶点。方法 使用WGCNA分析、机器学习充分挖掘参与TNBC进展的潜在生物标志物，通过免疫细胞浸润、药物敏感性和免疫治疗敏感性分析探索关键基因影响肿瘤进展的相关机制和潜在治疗方法，借助单细胞测序从单细胞层面证实关键基因的表达含量和分布情况。结果 CBX7和RRM2是影响TNBC进展的潜在生物标志物。它们与免疫细胞浸润密切相关，对多种化疗药物、抗CTLA4治疗及抗PD-1治疗的敏感性不同。单细胞测序证实肿瘤免疫微环境中不同单细胞层面CBX7与RRM2的表达含量与分布情况有所区别。结论 CBX7与RRM2是影响TNBC发生发展的关键基因，可为高度侵袭性TNBC提高潜在的治疗靶点。

关键词

三阴性乳腺癌 / 加权基因共表达网络分析 / 机器学习 / 单细胞测序