一种基于单细胞测序分析的新方法,用于构建基于巨细胞的治疗效率预测器

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:

• 瘤相关巨细胞 (TAMs) 是结直肠癌 (CRC) 进展和患者预后的关键参与者.
• 了解TAMs在瘤微环境 (TME) 中的作用对于开发有效的CRC治疗至关重要.

研究的目的:

• 开发和验证TAMs风险评分 (TRS) 以预测结直肠癌患者的预后.
• 评估TRS,治疗反应和瘤微环境组成之间的关系.

主要方法:

• 利用了基因表达总汇和癌症基因组图谱数据库中的数据.
• 采用单变Cox回归和最小绝对收缩运算机分析用于模型构建.
• 使用ESTIMATE和ssGSEA算法进行了TME评估和免疫预测.

主要成果:

• 较低的TAM风险评分 (TRS) 与多个队列中CRC患者的更好的预后有关.
• 低TRS患者对氧沙,帕克利塔塞尔和西斯类化学疗法的敏感性增加.
• 低的TRS与减少的M2巨细胞和调节性T细胞透相关,但CD4+T细胞,NK细胞和树突细胞比例较高,以及较高的TumorPurity.

结论:

• 瘤风险评分 (TRS) 是结直肠癌的强有力的预后指标.
• TRS有效预测患者对化疗和免疫治疗的反应,指导个性化治疗策略.
• 这项研究为开发针对CRC的基于TAM的向治疗提供了基因组洞察力.