統合マルチオミクスプロファイリングによる機械学習最適化を介した腎細胞癌におけるマクロファージ駆動型予後シグネチャの解明

科学分野:

• 腫瘍学
• 免疫学
• ゲノミクス

背景:

• 腎細胞癌（KIRC）は予後不良の攻撃的な腎臓癌です。
• 腫瘍随伴マクロファージ（TAMs）は、KIRCの腫瘍微小環境と治療抵抗性に大きく影響します。
• TAMの不均一性を理解することは、効果的なKIRC治療法を開発するために不可欠です。

研究 の 目的:

• 単一細胞RNAシーケンシングを用いてKIRCにおけるTAMの不均一性を解析すること。
• KIRCの予後マクロファージシグネチャを特定すること。
• KIRCの進行を駆動する免疫代謝プログラムを特徴づけること。

主な方法:

• 単一細胞RNAシーケンシング（scRNA-seq）と高次元加重遺伝子共発現ネットワーク解析（hdWGCNA）を統合しました。
• 予後シグネチャ開発のために、ランダムサバイバルフォレストを含む機械学習モデルを採用しました。
• 独立した患者コホート（TCGA、CPTAC）および空間的検証を用いて知見を検証しました。

主要な成果:

• 脂質関連型や炎症型を含む5つの異なるマクロファージサブセットを特定し、M1/M2分類とは異なることを示しました。
• 有意な予測力を持つ堅牢なマクロファージ中心の予後シグネチャを開発しました（ログランクp < 0.0001）。
• PRDX1+LA-Macは、ハイリスクKIRC患者および予後不良と関連する主要なサブタイプとして特定されました。

結論:

• KIRCにおけるTAMの転写および機能的不均一性を解明しました。
• KIRCの翻訳可能なマクロファージ由来の予後シグネチャを確立しました。
• 免疫抑制と代謝適応におけるマクロファージ分極の二重の役割を強調し、新規治療標​​を示唆しました。