整合机器学习和单细胞分析,发现肺腺癌进展和预后生物标志物
Pengpeng Zhang1, Jiaqi Feng1, Min Rui2
1Department of Lung Cancer, Tianjin Lung Cancer Center, National Clinical Research Center for Cancer, Key Laboratory of Cancer Prevention and Therapy, Tianjin's Clinical Research Center for Cancer, Tianjin Medical University Cancer Institute and Hospital, Tianjin, China.
Journal of cellular and molecular medicine
|July 3, 2024
概括
这项研究揭示了推动肺腺癌 (LUAD) 进展的关键瘤细胞集群. 一个新的模型预测了LUAD患者的预后和免疫治疗反应.
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:
- 肺腺癌 (LUAD) 从非典型腺瘤性增生 (AAH) 到侵入性腺癌 (IAC) 的进展涉及鲜为人知的瘤细胞集群进化.
- 了解这些细胞动态对于改善LUAD诊断和治疗至关重要.
研究的目的:
- 在LUAD进展过程中识别和分析瘤细胞集群.
- 开发一个预测模型,用于预后和免疫疗法响应在LUAD.
- 研究特定基因,如S100A16在LUAD发育中的作用.
主要方法:
- 整合单细胞数据集和推断CNV用于瘤集群分析.
- 应用GSVA,伪时间分析,scMetabolism和Cytotrace用于功能和代谢分析.
- 使用关键集群标记基因开发和验证CoxBoost和plsRcox (CPM) 模型.
主要成果:
- 识别了9个不同的瘤细胞群,其中6个群显示早期发育特征和高干度.
- 0和6集群的增加与LUAD进展和更差的预后相关.
- 该CPM模型准确地预测了多个队伍的预后,基因组变化,药物敏感性和免疫治疗反应.
- 证实S100A16是一种促进LUAD细胞增殖,入侵和迁移的瘤基因.
结论:
- 该CPM模型作为一种新的生物标志物,用于预测LUAD患者的预后和免疫治疗结果.
- S100A16代表了肺腺癌的潜在治疗标.
