大量和单细胞RNA测序分析与多种机器学习相结合,在结直肠癌中开发出一种与糖系转移酶相关的特征
Xin Chen1, Dan Zhang1, Haibin Ou1
1Department of Radiation and Medical Oncology, Zhongnan Hospital of Wuhan University, Wuhan, Hubei, PR China; Hubei Key Laboratory of Tumor Biological Behaviors, Zhongnan Hospital, Wuhan University, Wuhan, PR China; Hubei Clinical Cancer Study Center, Zhongnan Hospital, Wuhan University, PR China.
Translational oncology
|September 1, 2024
概括
这项研究确定了结直肠癌 (CRC) 中的关键葡萄糖转移酶 (GTs),并开发了葡萄糖转移酶相关风险特征 (GARS),以改善预后和免疫治疗反应预测.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 结肠直肠癌 (CRC) 仍然是一个重大的健康挑战.
- 识别新的预后标志物对于有效的CRC管理至关重要.
研究的目的:
- 在CRC中识别关键的糖系转移酶 (GTs).
- 来自GTs.建立一个强大的预后签名.
- 预测CRC患者的免疫治疗反应.
主要方法:
- 使用AUCell,UCell,singscore,ssgsea和AddModuleScore算法进行单细胞RNA测序分析.
- 单变Cox和拉索回归用于GT选择.
- 机器学习用于外部队列的预后模型开发和验证.
- 对瘤微环境,突变概况和途径变异的分析.
主要成果:
- CRC患者被分为不同的亚组,预后和免疫特征各不相同.
- 开发了一种与糖转移酶相关的风险特征 (GARS),其表现优于传统的预后因素.
- GARS与恶性瘤相关,并预测免疫疗法的疗效.
结论:
- 基于GT的新型预后模型 (GARS) 为CRC开发.
- 该模型有助于预测免疫治疗反应.
- 它为CRC患者管理提供了一个新的策略.


