基于机器学习的免疫细胞亚型和乳腺癌存活率的集群分析
Zhanwei Wang1, Dionyssios Katsaros2, Junlong Wang1,3
1Cancer Epidemiology Program, University of Hawaii Cancer Center, 701 Ilalo Street, Honolulu, HI, 96813, USA.
Scientific reports
|November 4, 2023
概括
乳腺癌中独特的免疫细胞群对患者的生存有影响. 识别这些免疫特征可以帮助开发新的疾病管理策略,以改善患者的治疗结果.
科学领域:
- 免疫学 免疫学 免疫学
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
背景情况:
- 主体免疫在癌症的进展和疾病的结果中起着至关重要的作用.
- 免疫细胞的组成可以显著变化,并影响瘤的发展.
- 了解免疫细胞群是解开乳腺癌中宿主免疫力的关键.
研究的目的:
- 在乳腺癌数据集中识别不同的免疫细胞群.
- 研究这些免疫细胞群和患者存活率之间的关联.
- 探索与已识别的免疫细胞集群相关的分子特征.
主要方法:
- 利用CIBERSORT算法在三个数据集中量化22种免疫细胞类型.
- 采用无监督层次聚类 (UHC) 来分组免疫细胞配置文件.
- 进行了Kaplan-Meier和Cox回归分析,以求生存关联和发明途径分析 (IPA) 以获得分子洞察力.
主要成果:
- 确定了两个不同的免疫细胞群,A群 (83.2%) 和B群 (16.8%).
- 集群A的特点是记忆B细胞,CD8T细胞和M1巨细胞的丰度较高,患者的生存率较好.
- 集群B表现出更高水平的调节性T细胞和M2巨细胞,与不太有利的结果相关. IPA揭示了诸如细胞因子风暴信号传递和T细胞受体信号传递等途径.
结论:
- 独特的免疫细胞群代表了乳腺癌中独特的宿主免疫特征.
- 免疫细胞群组成与患者无复发和整体存活率有显著关联.
- 这些发现突显了免疫细胞分析对乳腺癌预后和治疗策略的潜力.
