大量および単細胞RNA-seqデータの機械学習統合は,結腸直腸がんにおけるグリコリティック異質性を明らかにする

科学分野:

• 腫瘍学
• 代謝経路
• 癌の生物学

背景:

• 結腸直腸がん (CRC) は,世界的な主要な悪性腫瘍です.
• CRCは,腫瘍の成長と免疫回避のためにグライコロシスに大きく依存しています.
• CRCの代謝調節と細胞多様性は,さらなる調査を必要としています.

研究 の 目的:

• 結腸直腸がんにおける糖分分解代謝の調節環境と細胞の多様性を体系的に調査する.
• メタボリックプロファイルに基づいて,重要な調節遺伝子と異なる細胞サブ集団を特定する.
• 複数の独立したコホートでの発見を検証する.

主な方法:

• 大量/scRNA-seqと空間トランスクリプトミクスを含むマルチオミクスデータセットの分析.
• 統合された経路マッピングと5つの機能の選択アルゴリズムを持つ機械学習フレームワークを使用しました.
• メタボリックプロファイルによる細胞サブ集団と,リガンド受容体ネットワークによるニッチ相互作用をモデル化.

主要な成果:

• 幹のような特性を有する高グリコール状態 (HGS) 腫瘍亜集団を特定した.
• 空間分析により,HGS細胞は腫瘍の中央部に濃縮され,栄養不足への適応を示唆しています.
• 5つの候補レギュレータ (PFKP,ERO1A,FKBP4,HDLBP,HSPA5) は,HGSと不良な臨床結果と相関していました.

結論:

• 結腸直腸がんにおける有意な代謝異質性を特徴としています.
• 腫瘍の微小環境を形作る役割があることを示唆している.
• 新しい結腸直腸がんの治療戦略に利用可能な分子特性を特定した.