通过空间时空异质性对多重肺癌的血统追踪,使用集成基因组,转录组和免疫相关特征的多omics分析方法

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• 将多重原发性肺癌 (MPLC) 与肺内转移 (IPM) 区分开来,对于精确的肺癌分期,治疗和预后至关重要.
• 传统的临床病理学方法在确定多重肺瘤的血统追踪方面面临挑战.
• 在复杂的肺癌病例中,基因组分析为解决血统模两可的可能性提供了一个潜在的途径.

研究的目的:

• 开发和验证一种新的多奥米克分析方法,用于界定多种肺癌的时空异质性.
• 使用基因组和转录基因组数据,准确区分多重原发性肺癌 (MPLC) 和肺内转移 (IPM).
• 为了提高同步和超时肺瘤的血统追踪的准确性.

主要方法:

• 在2012年至2022年期间,从两名患有多发性肺癌 (LU1和LU2) 的患者收集了11个样本.
• 采用了多omics方法,整合了全外因子测序,转录组测序 (RNA-Seq) 和瘤新抗原预测.
• 使用传统的临床病理学审查和基于成像的算法验证了研究结果.

主要成果:

• 多omics分析揭示了明显的分子异质性,RNA表达,免疫微环境和LU1中同步瘤的新抗原,支持MPLC分类.
• LU1F和LU1G之间高度的突变相似性和共享的新抗原表明了IPM关系,与最初的组织学评估形成鲜明对比.
• 多omics方法可能纠正了 LU2 样本中有争议的血统追踪和错误分类,表明了潜在的克隆进化和组织学转变.

结论:

• 开发的多奥米克分析方法通过对连续肺癌样本的空间时空异质性进行分析,准确地追踪瘤血统.
• 这种方法提高了诊断精度,使MPLC与IPM有所区别.
• 需要进一步的临床验证,以将这种方法纳入常规诊断,疾病管理和肺癌预后评估.