肝細胞がんにおける堅牢な分子サブタイプと予後予測シグネチャを定義するマルチオミクス統合と機械学習

科学分野:

• 腫瘍学
• バイオインフォマティクス
• ゲノミクス

背景:

• 肝細胞がん（HCC）は攻撃的で分子的に多様であり、精密な治療法を制限しています。
• マルチオミクスデータの統合と機械学習は、HCCの分子サブタイピングと予後を改善することができます。

研究 の 目的:

• HCCにおける統合マルチオミクスクラスタリングのための計算フレームワークを開発すること。
• HCCの分子サブタイプを特定し、機械学習駆動型の予後予測シグネチャを構築すること。
• 特定されたサブタイプとリスクグループの臨床的関連性を評価すること。

主な方法:

• HCC患者のマルチオミクスデータセットを計算フレームワークを使用して統合しました。
• 統合マルチオミクスクラスタリングのために10のクラスタリングアルゴリズムを採用しました。
• コンセンサス予後予測シグネチャを構築するために10の機械学習アルゴリズムを利用しました。
• 細胞および空間的解析のために、単一細胞RNAシーケンシングと空間的トランスクリプトミクスを組み込みました。

主要な成果:

• 予後が異なる4つのHCCサブタイプ（CS1-CS4）を特定し、CS4が最良の結果を示しました。
• 5つの主要遺伝子に基づいた堅牢な予後予測モデルを開発し、低リスク群と高リスク群を区別しました。
• 低リスク患者は、より良好な生存率、強化された免疫療法応答、および「ホット腫瘍」表現型を示しました。
• 主要遺伝子は、悪性肝細胞における空間的異質性に濃縮されています。

結論:

• 統合マルチオミクス解析によるHCC分子分類の改良。
• 早期予後予測と免疫療法層別化のための機械学習駆動型予後予測モデルの確立。
• 単一細胞および空間的トランスクリプトミクスにより、予後遺伝子の細胞および空間的特徴が明らかになりました。
• モデルのパフォーマンスを確認するには、前向きな臨床的検証が必要です。