基于生物背景的机器学习有助于识别肝脏内胆管癌中的微血管入侵

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 蛋白质组学是指蛋白质组学.

背景情况:

• 肝脏内胆管癌 (ICC) 是一种罕见的癌症,预后不佳,通常与早期复发和转移有关.
• 微血管入侵 (MVI) 是ICC的一个关键特征,但目前基于成像的预测模型不足.
• 识别MVI对于改善治疗策略和患者的治疗结果至关重要.

研究的目的:

• 使用随机森林方法开发ICC中MVI的预测模型.
• 阐明在ICC中MVI背后的生物学机制.
• 为了确定MVI相关的ICC的潜在治疗点.

主要方法:

• 使用了单细胞转录组测序,整个外基因组测序和蛋白质组测序.
• 为了MVI预测,建立了一个随机森林模型.
• 进行了生物信息分析,以确定参与MVI的分子途径和细胞相互作用.

主要成果:

• 开发的预测模型在验证集中实现了0.93的曲线下的面积.
• 与MVI相关的瘤细胞通过NF-κB和MAPK信号传递显示了经皮质-介质细胞过渡和脂质代谢的改变.
• 在MVI阳性ICC中观察到差异性免疫细胞透 (减少CD8+T细胞,增加髓状细胞) 和改变的细胞间通信通路 (SPP1-CD44,ANXA1-FPR1).

结论:

• 在ICC中建立了一个非常准确的MVI预测模型.
• 对MVI的分子和细胞基础的新见解被发现,突出了关键的信号通路和免疫微环境的改变.
• 这些发现为开发MVI阳性ICC的新型诊断和治疗策略提供了基础.