Emerging glyco-risk prediction model to forecast response to immune checkpoint inhibitors in colorectal cancer
Qiu P., Chen X., Xiao C., Zhang M., Wang H., Wang C.
การศึกษาแบบ cohort ตีพิมพ์ในวารสาร J Cancer Res Clin Oncol ปี 2023 — สรุปอัตโนมัติจากบทคัดย่อ PubMed
มีหลักฐานในมนุษย์ระยะต้น เช่น case series หรือกลุ่มตัวอย่างขนาดเล็ก ที่กำลังสำรวจประโยชน์ที่เป็นไปได้
- ระดับ A · หลักฐานทางคลินิกค่อนข้างแข็งแรง
- ระดับ B · หลักฐานทางคลินิกที่กำลังเติบโตและมีสัญญาณเชิงบวก
- ระดับ C · งานวิจัยในมนุษย์ระยะต้นที่กำลังสำรวจประโยชน์
- ระดับ D · รากฐานทางวิทยาศาสตร์จากห้องปฏิบัติการและสัตว์ทดลอง
- กำลังศึกษาเพิ่มเติม · หัวข้อใหม่ที่นักวิจัยกำลังสำรวจอย่างต่อเนื่อง
ข้อมูลหน้านี้ดึงมาจากฐานข้อมูล PubMed โดยตรง คำอธิบายภาษาไทยเป็นสรุปอัตโนมัติจากข้อมูลบรรณานุกรมและบทคัดย่อ ไม่ใช่การแปลทั้งฉบับ และไม่ใช่คำแนะนำทางการแพทย์
- ประเภทการศึกษา
- การศึกษาแบบ cohort
- วารสาร
- J Cancer Res Clin Oncol (2023)
- จำนวนผู้เข้าร่วม (จากบทคัดย่อ)
- —
- แหล่งข้อมูล
- Europe PMC
- PMID
- 36757621
- PMCID
- PMC11796738
- DOI
- 10.1007/s00432-023-04626-0
- จำนวนการอ้างอิง
- 7
บทคัดย่อ (ต้นฉบับภาษาอังกฤษ)
Background Aberrant glycosylation is one of the most common post-translational modifications leading to heterogeneity in colorectal cancer (CRC). This study aims to construct a risk prediction model based on glycosyltransferase to forecast the response to immune checkpoint inhibitors in CRC patients. Methods Based on the TCGA dataset and glycosyltransferase genes, the NMF algorithm and WGCNA were used to identify molecular subtypes and co-expressed genes, respectively. Lasso and multivariate COX regression were used to identify prognostic glycosyltransferase genes and construct a glyco-risk prediction model in CRC patients. Univariate and multivariate Cox regression, Kaplan-Meier, and ROC curves were applied to further verify the prognostic performance of the model in CRC patients in the training and validation sets. We compared the responsiveness of immunotherapy and chemotherapy between the two groups. In vitro experiments and clinical specimens verified the specific function of the key glycosyltransferase genes in CRC. Results The CRC cohort was divided into two subtypes with prominent differences in survival based on the well-robust seven-gene glyco-risk prediction model (composed of ALG1L2, HAS1, PYGL, COLGALT2, B3GNT4, POFUT2, and GALNT7). The nomograms based on the risk model could predict the prognosis of CRC patients independently of other clinicopathologic characteris
สิ่งที่งานวิจัยนี้ไม่ได้พิสูจน์
- • งานวิจัยนี้ไม่ได้พิสูจน์ว่า SVF เป็นการรักษาที่ได้รับการรับรอง หรือใช้แทนการรักษามาตรฐานได้
ระดับหลักฐาน
มีหลักฐานในมนุษย์ระยะต้น เช่น case series หรือกลุ่มตัวอย่างขนาดเล็ก ที่กำลังสำรวจประโยชน์ที่เป็นไปได้
ดูวิธีจัดระดับหลักฐานดูงานวิจัยทั้งหมดที่เกี่ยวข้อง
กรองห้องสมุดงานวิจัยด้วยชื่อเรื่อง ชื่อผู้เขียน หรือปีที่ตีพิมพ์ของงานวิจัยนี้