单细胞奥米克和机器学习集成,以开发一种基于聚胺代谢的风险评分模型,用于乳腺癌患者
Xiliang Zhang1, Hanjie Guo2, Xiaolong Li1
1Department of General Surgery, Xinqiao Hospital, Army Medical University, No. 83 Xinqiao Main Street, Shapingba District, Chongqing, 400037, China.
Journal of cancer research and clinical oncology
|October 23, 2024
概括
这项研究使用多组学和机器学习来创建基于聚胺代谢的乳腺癌预后得分. 研究结果揭示了瘤异质性和个性化治疗的潜在治疗点.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 代谢学 代谢学 代谢学
背景情况:
- 乳腺癌是全球主要的女性癌症,对治疗和预后存在挑战.
- 聚胺代谢是乳腺癌进展的组成部分,影响扩散,入侵和转移.
研究的目的:
- 开发一种可靠的乳腺癌预后评分模型,利用聚胺代谢途径.
- 研究瘤异质性,并通过多奥米克分析确定潜在的治疗点.
主要方法:
- 采用了结合大量和单细胞RNA测序 (scRNA-seq) 的多omics方法.
- 差异基因表达分析在乳腺癌中发现了286个聚胺通路相关基因.
- 统一的COX和机器学习算法开发了一个预后得分算法,通过scRNA-seq.验证.
主要成果:
- 确定了具有多种多胺代谢基因表达的明显细胞亚群,揭示了瘤微环境异质性.
- 开发的风险评分模型在预测患者结果方面表现出高准确性.
- 鉴定出来的基因对于细胞循环控制和免疫调节至关重要,在特定的细胞群中发现的聚胺代谢基因.
结论:
- 该研究成功地整合了单细胞奥米克和机器学习,以创建基于聚胺代谢的乳腺癌预后模型.
- 这些发现为瘤异质性提供了新的见解,并为个性化预后提供了一个框架.
- 单细胞技术提高了对乳腺癌分子复杂性的理解,以改善临床管理.
