图3. 基于cfDNA的CRC预后预测模型4.基于cfDNA的CRC亚型为了生成基于cfDNA甲基化的CRC亚型，文章使用了改进的无监督聚类方法。该方法应用了一种迭代策略，该策略可以从共识聚类生成的共识相似性矩阵中得出最佳特征和聚类（图4A）。使用与上述预后模型相同的训练数据集，文章获得了两个在45个甲基化标记物中显著差异的CRC亚型（图4，B和C）。并在验证集中观察到两个亚型之间的45个标记物的甲基化谱有明显不同（图4D）。文中还分析了两个亚型之间多种因素的差异，包括TNM分期，肿瘤部位，错配修复状态，微卫星稳定状态，肿瘤负荷，性别以及生存结果。发现亚型1与亚型2相比更多地在早期阶段（I和II）被诊断出来（图4E， P <0.05，卡方检验）。亚型2的生存率显著低于亚型1（图4E， P<0.01，对数秩检验）。
膜拜膜拜膜拜 学习学习学习