大量和单细胞RNA测序分析以及丰富的机器学习方法确定了SKCM中的新型单细胞特征

科学领域:

• 免疫学 免疫学 免疫学
• 在瘤学瘤学.
• 生物信息学是一种生物信息学.

背景情况:

• 皮肤皮肤黑色素瘤 (SKCM) 微环境中的免疫细胞通信尚未得到充分理解.
• 这项研究确定了免疫细胞群和关键信号的信号作用.
• 探索免疫细胞和信号通路的协调,用于预后生物标志物发现.

研究的目的:

• 了解SKCM中的全球免疫细胞通信模式.
• 建立基于细胞通信生物标志物的预后签名.
• 确定关键的基因和途径,以改善SKCM预后.

主要方法:

• 利用了来自GEO数据库的单细胞RNA测序 (scRNA-seq) 数据.
• 提取和重新注释免疫细胞,计算通信网络.
• 利用机器学习从大量RNA测序数据中开发出与免疫相关的预后组合.

主要成果:

• 开发了一种八基因单细胞相关特征 (MRS) 作为疾病特异性生存率 (DSS) 的独立风险因素.
• MRS显示了无进展生存期 (PFS) 的高预测值,优于传统变量.
• 确定IFITM3作为SKCM中蛋白质表达高的关键基因,通过免疫组织化学验证.

结论:

• 对于评估SKCM患者的结果,MRS是准确和特定的.
• IFITM3是SKCM的潜在预后生物标志物.
• 开发的签名和生物标志物有望改善SKCM患者的预后.