单细胞hdWGCNA揭示了转移性保护性巨细胞和深度学习模型在阴膜黑色素瘤中的发展
Yifang Sun1, Jian Wu2, Qian Zhang2
1Department of Ophthalmology, Guangzhou Red Cross Hospital of Jinan University, Guangzhou, Guangdong, 510220, China.
Journal of translational medicine
|July 29, 2024
概括
这项研究确定了影响紫外线黑色素瘤 (UVM) 转移的关键巨细胞亚群. 使用这些巨细胞基因的预后模型可以预测患者的结果,有助于UVM治疗策略.
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:
- 远程转移是皮膜黑色素瘤 (UVM) 患者的主要死亡原因,尽管治疗进展.
- 目前缺乏监测,分期和治疗转移性UVM的共识.
- UVM转移机制及其预后影响需要进一步阐明.
研究的目的:
- 为了确定关键的巨细胞亚种群与毛膜黑色素瘤 (UVM) 转移相关.
- 根据已识别的巨相关基因,开发UVM患者预后的预测模型.
主要方法:
- 单细胞RNA测序 (scRNA-seq) 用于分析UVM样本和表征巨细胞亚群.
- 高维权基因共同表达网络分析 (HdWGCNA) 确定了与转移性保护性巨细胞 (MPMφ) 相关的基因模块.
- 包括CNN在内的机器学习和深度学习模型是使用MPMφ相关基因 (MPMRGs) 开发的,用于患者分层和预后.
主要成果:
- scRNA-seq在初级和转移性UVM中揭示了不同的免疫微环境,在转移性样本中丰富了巨细胞群.
- HdWGCNA确定了MPMφ和相关的标记基因,这些基因参与了抗原处理和免疫反应.
- 开发的模型有效地区分了初级和转移性UVM患者,并证明了患者生存的显著预后价值.
结论:
- 关键的巨细胞亚种群显著影响瘤免疫微环境,并与UVM转移有关.
- 由巨细胞相关基因衍生的预后模型为UVM患者的结果提供了预测价值.
