Etablering och klinisk tillämpning av en förutsägelsemodell av lungcancer på avstånd baserad på de genomiska egenskaperna hos cirkulerande tumörceller

Lungcancer är den vanligaste typen av cancer i mitt land, men 5-årsöverlevnaden för lungcancerpatienter är bara 17 %. Bland dem är den största orsaken som påverkar patientens prognos tumörens metastasering. Det finns mycket få kliniska metoder som är lämpliga för behandling av metastaserad lungcancer, och den botande effekten är inte bra. Därför är tidig övervakning och insatser för att förhindra fjärrkolonisering av metastaser nyckeln till att förbättra överlevnaden av lungcancer. Den preliminära forskningen av detta projekt fann att cirkulerande tumörceller i perifert blod kan användas som ett effektivt medel för klinisk diagnos och behandling av maligna lungtumörer. Genom analysen av skillnaden i tid och rumsmetastaser hos lungcancerpatienter har det visat sig att genomen av olika metastasstadier och metastaserande organ av lungcancer är ganska olika och är nära besläktat med patientens överlevnad. Av denna anledning föreslår vi hypotesen att de genomiska mutationsegenskaperna hos cirkulerande tumörceller kan upptäcka tumörmetastassignaler tidigare än CT-avbildningsdiagnos. För att testa denna hypotes kommer vi att utveckla ett riskbedömningssystem för cancermetastaser baserat på tumörgenomik. Först samlar vi in ​​stora data om genomet av primär och metastaserande lungcancer från offentliga databaser och använder statistiska metoder för att sålla bort genomiska egenskaper som är signifikant relaterade till metastaserande lungcancer och dess metastaserande kolonisationsorgan. För det andra, att använda dessa funktioner för att utveckla en uppsättning maskininlärningsmodeller som kan bestämma risken för metastasering av en lungcancer baserat på dess genomegenskaper. Slutligen tillämpade vi modellen på klinisk praxis. Genom att detektera de cirkulerande tumörcellerna hos patienter med primär lungcancer under omprövningen, etablerade vi en statistisk brusreduceringsmodell för att extrahera de genomiska egenskaperna, och ersatte sedan i modellen för att bestämma de cirkulerande tumörcellerna som bärs av patienten Huruvida det finns en risk av återfall och metastaser. Genom att jämföra bilddata i granskningen kommer vi att verifiera om modellen upptäcker tidiga metastassignaler om lungcancer tidigare än avbildningsmetoder. I slutändan kommer vår modell att aggregera genomiska markörer relaterade till metastasrisk, utforska deras läkemedelsinriktning och tillhandahålla kraftfullt stöd för stordataanalys för tidig intervention i metastaskolonisering och förlänga överlevnaden för lungcancerpatienter. Om ämnet demonstreras, kommer det att hjälpa till att klargöra användningen av tumörgenomets stordataanalys för att avslöja de genomiska drivrutinerna för metastaserande lungcancer; demonstrera genomförbarheten av cirkulerande tumörcellgenomdrivrutiner för att förutsäga risken för lungcancermetastaser; och slutligen klargöra PI3K/Akt/mTOR-signalen Kan hämmare av vägen användas som mål för tidig intervention vid lungcancermetastaser.