结合批量和单细胞RNA测序数据,开发基于集成机器学习框架的NK细胞相关的肝细胞癌的预后特征

科学领域:

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

背景情况:

• 肝细胞癌 (HCC) 的生存率通过向治疗和免疫治疗得到改善,但耐药性和异质性仍然是挑战.
• 瘤透自然杀手 (NK) 细胞的功能障碍与HCC进展和患者的结果相关.
• 开发HCC的预后工具对于改善临床效益至关重要.

研究的目的:

• 开发一种NK细胞相关的基因特征,用于预测HCC预后.
• 评估该签名在预测免疫检查点抑制剂 (ICI) 治疗反应中的有效性.
• 建立一个新的平台来评估HCC患者的预后和免疫治疗反应.

主要方法:

• 从scRNA-Seq数据 (GSE162616) 中确定了NK细胞标记物.
• 使用共识机器学习框架 (77个算法) 来构建多个HCC数据集中的基因签名 (TCGA-LIHC,GSE14520,GSE76427,ICGC-LIRI-JP).
• 使用外部数据集 (GSE91061,PRJEB23709) 验证了该签名对ICI响应的预测性能.

主要成果:

• 使用LASSO和CoxBoost开发的11个基因签名有效地预测了整体存活率,并作为多个HCC队列的独立预后因素.
• 低风险患者表现出更高的免疫检查点表达和更好的预测对ICI治疗的反应 (更高的IPS-PD1 / CTLA4,较低的TIDE得分).
• 在现实世界队列 (PRJEB23709) 中的验证证实了低风险组的更好的免疫治疗反应.

结论:

• 一种与NK细胞相关的新型基因特征已成功开发出用于HCC.
• 这种签名为评估HCC患者的预后和预测免疫治疗反应提供了有价值的工具.
• 这些发现提供了一个新的平台,以指导HCC个性化治疗策略.