SCMO: CRC患者の生存予測のための単細胞解像度TMEエコシステムとマルチオミックスを統合したディープラーニングモデル

科学分野:

• 腫瘍学 腫瘍学
• コンピュータ生物学 コンピュータ生物学
• ゲノミクスゲノミクスとは

背景:

• 結腸直腸がん (CRC) は,世界的な死亡率の大きな課題であり,臨床意思決定のための生存率の予測を改善する必要がある.
• 現在の組織レベルのマルチオミックスのアプローチは,単細胞RNA配列解析 (scRNA-seq) と異なり,腫瘍の異質性を解決する解像度が欠けている.
• scRNA-seqは,腫瘍の微環境 (TME) の細胞解像度を提供し,個別化された予後評価に不可欠です.

研究 の 目的:

• 単細胞TMEデータとマルチオミックスを統合したディープラーニングモデルを開発し,CRCの生存率を正確に予測する.
• CRC TMEおよびマルチオミックスのランドスケープ内の新しい治療目標とバイオマーカーを特定する.
• 腫瘍学における予後モデルの解釈性を向上させる.

主な方法:

• 213個のscRNA-seqサンプル (339,060個の細胞) を用いてCRC特有のTMEアトラスの構築.
• TCGA-CRCの大量RNA-seqデータをEcoTyperを使用してTME特性を再構築するために分解する.
• TMEとマルチオミックスのデータを自己正常化ニューラルネットワークを通じて統合し,生存予測のためのSCMOモデルを作成します.

主要な成果:

• 細胞状態と多細胞生態系を含む,生存に関連する13のTME特徴の識別.
• SCMOモデルは0.762のコンコンダンスインデックスを達成し,生存率の予測において既存の方法を上回った.
• SCMOは強固な長期予測能力 (AUC 0.869まで) を実証し,TRAP1を潜在的薬物標的として特定し,サイコサポニンAを阻害剤として検証した.
• SCMO-Liteの開発は,主要なマルチオミックスの特徴を使用して,効果的なリスク層分化を目的としています.

結論:

• SCMOモデルは,細胞および分子データを統合することによって,腫瘍学生存率の予測のための強力で解釈可能なアプローチを提供します.
• この研究は,CRC TMEの複雑性に関する新しい洞察を提供し,実行可能な治療目標を特定します.
• SCMOは,より正確な予後評価を可能にすることで,パーソナライズされた医療を進歩させます.