基于深度学习的以途径为中心的方法来描述肝移植后复发性肝细胞癌的特征

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 基因组学就是基因组学.

背景情况:

• 肝细胞癌 (HCC) 肝移植 (LT) 后复发发生在15-20%的患者中,并且通常具有攻击性.
• 了解导致HCC复发的分子机制对于改善患者的治疗结果至关重要.

研究的目的:

• 识别与LT.后复发性HCC相关的差异表达基因 (DEG),途径和基因特征.
• 利用深度机器学习 (ML) 来分析转录基因特征并发现复发性HCC的潜在生物标志物.

主要方法:

• 分析了来自7名LT患者的原发性和复发性HCC瘤的转录组形状.
• 进行了差异基因表达,通路丰富,基因本体学 (GO) 和蛋白质-蛋白质相互作用 (PPI) 分析.
• 使用TCGA数据开发了深度学习模型,以识别复发性HCC的基因特征,并使用Cibersortx.x.预测免疫细胞透.

主要成果:

• 在复发性HCC中激活的途径包括PI3K/Akt信号传递和细胞因子介导信号传递.
• 免疫逃逸基因CD274的调高,并观察到免疫细胞透的改变 (单细胞增加,M1巨细胞减少).
• 确定了复发性HCC的20个基因特征,IL6与复发有显著的关联.

结论:

• 深度学习揭示了PI3K/Akt信号传递在调节免疫逃逸和改变免疫细胞透中的作用.
• 确定IL6是肝移植后HCC复发的关键因素.