通过机器学习识别肝细胞癌中的二硫化症亚型,并通过初步探索其与免疫治疗的联系

科学领域:

• 在瘤学瘤学.
• 细胞生物学 细胞生物学
• 生物化学 生物化学

背景情况:

• 肝细胞癌 (HCC) 是一个重大的全球健康挑战,治疗的先进阶段选择有限.
• 不硫化解,一种由SLC7A11高表达细胞中葡萄糖饥饿引发的新型细胞死亡途径,涉及二硫化物骨解体.
• 这项研究调查了二硫化作为HCC的潜在预后和治疗标志物.

研究的目的:

• 为了将HCC患者分为不同的二硫化症亚型.
• 开发一个disulfidptosis评分系统 (disulfS) 用于预后预测.
• 探索HCC中二硫化和免疫治疗反应之间的相关性.

主要方法:

• 非负矩阵因子化 (NMF) 应用于31个与脱硫症相关的基因,以定义亚型 (C1和C2).
• 考克斯回归和机器学习确定了五个关键基因 (NEIL3,MMP1,STC2,ADH4,CFHR3) 对于dissulfS.
• 实验室试验 (细胞增殖,F-actin染色) 和PBMC共同培养模型验证了disulfidptosis及其与免疫治疗的联系.

主要成果:

• 低二硫症亚型 (C2) 与改善的整体存活率 (OS) 和无进展存活率 (PFS) 相相关.
• 较低的免疫抑制细胞水平和改变的甘氨酸/氨酸/三氨酸代谢在低二硫化组中被观察到.
• 脱硫剂S在整个队列中表现出高的预测准确性,脱硫酸与增强的免疫疗法反应和潜在的索拉尼布对抗性有关.

结论:

• 与二硫化相关的生物标志物有可能成为肝癌的临床诊断指标.
• 这些生物标志物可以帮助预测HCC的预后,并确定新的治疗点.
• 不硫化与预测免疫疗法反应和指导HCC治疗策略有关.