📄 cancer biology

Epigenetic profile drives accurate survival prediction in breast cancer via a multi-omics machine learning model

本研究介绍了 BANDOL，这是一种多组学机器学习模型，它通过利用表观遗传特征作为最强的预测因子并识别用于个性化治疗的可操作生物标志物，显著提高了乳腺癌生存率的预测能力。

原作者： Mestrallet, G., Pierga, A., Fremont, P.

发布于 2026-07-08

📖 1 分钟阅读☕ 轻松阅读

原作者： Mestrallet, G., Pierga, A., Fremont, P.

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

想象一下，你正试图预测一种特定类型的汽车（乳腺癌）在彻底报废前能维持多久。长期以来，修理工们（医生）一直观察着一个特定的指标：车身上划痕和凹痕的数量（DNA中的突变）。他们认为：“划痕越多，意味着这辆车越旧，也越快会报废。”

然而，这项研究发现，对于乳腺癌而言，仅仅数划痕并没有什么帮助。有时候，一辆满是划痕的车能跑很多年，而一辆几乎没有划痕的车却很快就报废了。这种“划痕计数”（突变负荷）并不能说明完整的情况。

研究人员构建了一个全新的、超级智能的仪表盘，名为 BANDOL。它不再仅仅盯着划痕看，而是同时检查汽车引擎和电子设备的每一个方面：

他们将来自 802 名患者 的数据输入这个仪表盘，并利用“随机生存森林”（一种通过观察成千上万个不同决策树来进行学习的计算机大脑）对其进行了训练。

该仪表盘揭示了一个令人惊讶的事实：隐藏的软件设置（表观遗传学）是预测汽车寿命的最佳指标。

“良好”的设置： 当仪表盘看到某些开关被拨到“开启”位置（特定的 DNA 甲基化模式）时，它会预测这辆车能运行得更久。这些设置与汽车的安全系统（免疫系统）被唤醒并抵御入侵者有关。具体来说，它发现拥有“初始 T 细胞”（新鲜的保安）和“髓系细胞”（侦察兵）是一个良好的迹象。
“不良”的设置： 当其他开关被拨动时，仪表盘会预测车辆即将报废。这些设置与安全系统被“瘦素”（一种告诉免疫系统退下的信号）干扰或抑制，以及特定类型的躲避肿瘤的细胞有关。

当研究人员测试他们的新仪表盘时：

该仪表盘对读取“软件设置”（表观遗传学）的能力如此之强，以至于即使研究人员尝试将其用于其他类型的汽车（其他癌症，如子宫癌和脑瘤），它仍然表现得相当不错，尽管不像在乳腺癌上那样完美。

论文指出，如果我们想让汽车运行得更久，我们就不应该仅仅专注于修复划痕。相反，我们可能需要：

这篇论文就像是从一个只会数凹痕的修理工，升级到了一个能将电脑接入汽车整个操作系统进行诊断的修理工。通过在观察引擎和燃料的同时，观察隐藏的“软件”（表观遗传学），他们构建了一个工具，可以更准确地预测患者的生存时间，为个性化治疗提供更清晰的路径。

类似论文