基于血管新生相关基因的质瘤患者的预后模型是通过多omics方法开发的

科学领域:

• 神经瘤学神经瘤学
• 癌症免疫学 癌症免疫学
• 基因组学就是基因组学.

背景情况:

• 质细胞瘤,特别是质母细胞瘤 (GBM),是一种高度侵略性的脑瘤,治疗选择有限.
• 瘤微环境 (TME) 显著影响质瘤的进展,入侵和治疗耐药性.
• 血管生成,即新血管的形成,是癌症 (包括质瘤) 中的一个关键但失调的过程.

研究的目的:

• 为了表征质瘤内的不同恶性细胞子集群.
• 研究质瘤TME中的基因表达模式和细胞间相互作用.
• 开发和验证基于免疫相关基因表达的质瘤预后模型.

主要方法:

• 从多重质瘤队列 (TCGA-LGG/GBM,CGGA) 的大量和单细胞RNA测序数据的分析.
• 利用R包进行细胞识别,基因活动评分,共识聚类和免疫细胞透分析.
• 使用LASSO和多COX算法构建了一个预后模型,该算法基于15个已识别的枢纽基因,并通过Kaplan-Meier和ROC分析进行验证.

主要成果:

• 确定了4个不同的恶性细胞子集群,具有独特的基因表达特征和TME相互作用.
• 发现了15个特异表达的免疫相关基因 (DE-ARG),特别是在恶性质瘤细胞中,与质生成和血管系统发育有关.
• 基于DE-ARG表达,在质瘤中建立了2个分子,与免疫特征相关,并表明血管生成和免疫反应之间存在联系.
• 使用15个DE-ARG,为质瘤患者开发了一种高效的预后模型.

结论:

• 描述了多种多样的恶性细胞群体及其在质瘤中的TME相互作用.
• 开发了一种基于15个DE-ARG的强大预后模型,对质瘤患者的预测结果具有很高的准确性.
• 突出了血管新生和免疫细胞相互作用在质瘤进展和预后中的潜在作用.