Multi-Omics-Ansatz zur Risikostratifizierung für Patienten mit akuter myeloischer De-Novo-Leukämie

Die Forscher werden maschinelles Lernen nutzen, um Merkmale in Knochenmarksabstrichen zu identifizieren und Merkmale auszuwählen, die mit Genmutationen, Genexpression oder Prognose zusammenhängen. Anschließend werden die Forscher die genomweite transkriptomische Profilierung nutzen, um die Genexpression zu untersuchen, die mit den Behandlungsergebnissen der Patienten zusammenhängt. Die Forscher werden ein Sequenzierungspanel der nächsten Generation mit einzigartigem molekularem Index entwerfen und seine Machbarkeit und Robustheit bei der Erkennung messbarer Resterkrankungen bewerten und die Panel-/Plattform-/Bioinformatik-Pipeline optimieren. Schließlich werden die Forscher maschinelles Lernen nutzen, um Knochenmarksabstrichmerkmale, Genmutationen, Genexpression und messbare Resterkrankungen zu integrieren, um ein umfassendes Risikobewertungssystem zu erstellen, das auf Multi-Omics-Daten basiert. Die Forscher glauben, dass eine solche Plattform Ärzten helfen wird, die am besten geeigneten Behandlungsstrategien für einzelne Patienten zu entwickeln und so nicht nur das Konzept der Präzisionsmedizin voranzutreiben, sondern auch die Prognosen der Patienten zu verbessern.