综合性多组学分析识别了头部和部状细胞癌的分子亚型,具有明显的治疗脆弱性

科学领域:

• 在瘤学瘤学.
• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.

背景情况:

• 头部和部状细胞癌 (HNSCC) 在分子形状,患者结果和治疗反应方面表现出显著的异质性.
• 准确的分子分类对于理解瘤行为和指导HNSCC个性化治疗至关重要.

研究的目的:

• 开发一个强大的分子分类系统HNSCC使用集成的多组学方法.
• 识别具有特定基因组,生物和临床特征的独特HNSCC子组.
• 为了发现个性化治疗策略的亚型特定的治疗漏洞.

主要方法:

• 采用相似网络融合生物信息学方法来整合多组学数据 (复制号变异,体性突变,DNA甲基化,转录组学).
• 分析了多个独立的HNSCC队列,以确保确定子组的一致性.
• 利用药物基因组学,in silico预测,患者衍生异种移植模型和患者衍生有机体模型进行治疗验证.
• 开发了使用机器学习的预后和EGFR抑制剂敏感性特征.

主要成果:

• 在独立队列中确定了三个一致的HNSCC分子子组 (IMC1-3).
• IMC1:扩散性,免疫激活的瘤有良好的预后,对西斯普拉丁和免疫疗法敏感.
• IMC2:激活EGFR信号传递,瘤微环境炎症,对EGFR抑制剂 (EGFRi) 敏感.
• IMC3:异常的代谢活动,免疫透受损.
• 实验验证证证实了特定亚型的药物敏感性.

结论:

• 综合性多组学集群提供了对HNSCC异质性的精细理解.
• 这种分类有助于基于分子亚型的患者分层.
• 确定了特定亚型的漏洞,为在HNSCC中开发定制治疗策略提供了机会.
• 开发的特征可以帮助预测预后和对EGFR抑制剂的反应.