Machine Learning for Future Subtyping of the Tumor Microenvironment of Gastro-Esophageal Adenocarcinomas.
Machine Learning for Future Subtyping of the Tumor Microenvironment of Gastro-Esophageal Adenocarcinomas.
复制标题
DOI：
10.3390/cancers13194919
复制
发表时间：
2021-09-30
期刊：
影响因子：
5.2
通讯作者：
Duda DG
中科院分区：
文献类型：
--
作者：
Klein S;Duda DG
我们总结了胃食管腺癌（GEA）中肿瘤微环境的主要组成部分。此外，我们强调了机器学习在胃食管腺癌中的过去和现在的应用，以提出促进其未来临床应用的方法。
肿瘤进展涉及特定部位的恶性细胞与其周围肿瘤微环境（TME）之间复杂的相互作用。肿瘤微环境是动态的，由基质细胞、实质细胞和免疫细胞组成，它们介导癌症进展和治疗抵抗。临床前和临床研究的证据表明，肿瘤微环境靶向和重编程在包括胃食管腺癌在内的多种癌症中是一种有前景的实现抗肿瘤效果的方法。因此，利用现代技术了解肿瘤微环境编程的相关组成部分是非常有意义的。在此，我们讨论机器学习的方法，由于其能够在细胞水平测量肿瘤参数、揭示相关的全局特征并生成预后模型，最近受到了越来越多的关注。在这篇综述中，我们讨论了胃食管腺癌中肿瘤微环境的相关基质组成，并讨论了如何将它们整合。我们还回顾了机器学习在与胃食管腺癌的管理和研究相关的不同医学学科中的应用现状。
We summarize the main components of the tumor microenvironment in gastro-esophageal adenocarcinomas (GEA). In addition, we highlight past and present applications of machine learning in GEA to propose ways to facilitate its clinical use in the future. Tumor progression involves an intricate interplay between malignant cells and their surrounding tumor microenvironment (TME) at specific sites. The TME is dynamic and is composed of stromal, parenchymal, and immune cells, which mediate cancer progression and therapy resistance. Evidence from preclinical and clinical studies revealed that TME targeting and reprogramming can be a promising approach to achieve anti-tumor effects in several cancers, including in GEA. Thus, it is of great interest to use modern technology to understand the relevant components of programming the TME. Here, we discuss the approach of machine learning, which recently gained increasing interest recently because of its ability to measure tumor parameters at the cellular level, reveal global features of relevance, and generate prognostic models. In this review, we discuss the relevant stromal composition of the TME in GEAs and discuss how they could be integrated. We also review the current progress in the application of machine learning in different medical disciplines that are relevant for the management and study of GEA.
登录
查看更多内容
影响因子：
4.6
作者：
Aslam MA;Xue C;Chen Y;Zhang A;Liu M;Wang K;Cui D
通讯作者：
Cui D
DOI：
10.1016/j.ejmp.2021.02.026
发表时间：
2021-03-10
影响因子：
3.4
作者：
Barragan-Montero, Ana M.;Thomas, Melissa;Sterpin, Edmond
通讯作者：
Sterpin, Edmond
影响因子：
4.7
作者：
Chen Y;Wei K;Liu D;Xiang J;Wang G;Meng X;Peng J
通讯作者：
Peng J
癌症中的白细胞介素：从生物学到治疗。
DOI：
10.1038/s41568-021-00363-z
发表时间：
2021-08
期刊：
Nature reviews. Cancer
影响因子：
--
作者：
Briukhovetska D;Dörr J;Endres S;Libby P;Dinarello CA;Kobold S
通讯作者：
Kobold S
影响因子：
45.3
作者：
Daud, Adil I.;Wolchok, Jedd D.;Hamid, Omid
通讯作者：
Hamid, Omid