对微血管入侵相关的恶性细胞进行多重转录组学分析,并在肝细胞癌中开发基于机器学习的预后模型

科学领域:

• 肝细胞癌 (HCC) 研究研究
• 癌症基因组学 癌症基因组学
• 翻译性瘤学 翻译性瘤学

背景情况:

• 微血管侵袭 (MVI) 是肝细胞癌 (HCC) 预后不良的一个关键指标.
• 在HCC中MVI的潜在机制仍然不太清楚.
• 识别MVI特定的细胞特征对于预测患者的结果至关重要.

研究的目的:

• 在HCC中划分与MVI相关的恶性细胞亚群.
• 阐明这些细胞的生物功能和相互作用.
• 开发和验证一种新的预后模型,用于MVIHCC患者.

主要方法:

• 批量,单细胞和空间转录组学数据 (TCGA,HCCDB,GEO,CNCB) 的综合分析.
• 利用剪刀算法来识别与预后相关的和与MVI相关的细胞亚型.
• 进行伪时间分析和细胞间通信分析.
• 使用机器学习算法开发了一个预测模型,并在多个数据集上验证了它.

主要成果:

• 确定了与MVI相关的独特恶性细胞亚型,与早期分化阶段和不良预后相关.
• 这些细胞在MYC通路中得到丰富,并通过MIF信号通路与其他细胞相互作用.
• 开发的预后模型表现出高灵敏度和特异性,性能优于现有模型.

结论:

• 综合的多奥米克分析成功地确定了MVI相关的恶性细胞及其在HCC中的功能.
• 新的预后模型为HCC管理中的临床决策提供了宝贵的支持.
• 这些发现为HCC进展和MVI提供了新的见解.