文章预览
赖氨酰氧化酶(LOX/LOXL1-4)对癌症进展至关重要,但对其转录调控、潜在的治疗靶向、预后价值和参与免疫调节相关仍知之甚少。 Cell Communication and Signaling 上发表的新文章通过 整合多组学数据揭示了LOX/LOXL家族在癌症中的多重作用,开发了胶质瘤预后模型 ,并预测了潜在治疗药物和免疫治疗反应标志物,为癌症精准治疗提供了新策略。 标题:Machine learning-based in-silico analysis identifies signatures of lysyl oxidases for prognostic and therapeutic response prediction in cancer 期刊:Cell Communication and Signaling(IF 8.2) 出版商:BioMed Central 发表:2025年4月5日 DOI: https://doi.org/10.1186/s12964-025-02176-1 关键词:机器学习 | 泛癌 | 赖氨酰氧化酶 | 响应预测 | 预后模型 技术手段:单细胞转录组、转录组、机器学习算法、生存分析、药物敏感性预测等 核心思路:泛癌分析+聚类,识别LOX/LOX
………………………………