揭示肺腺癌中各种细胞死亡模式 基于单细胞分析和机器学习的预后和免疫疗法
Zipei Song1, Weiran Zhang1, Miaolin Zhu2
1Department of Thoracic Surgery, The First Affiliated Hospital of Nanjing Medical University, Nanjing, China.
Journal of cellular and molecular medicine
|November 27, 2024
概括
一种新的编程细胞死亡特征 (PCDS) 准确预测肺腺癌 (LUAD) 的预后. 这种特征有助于为量身定制的免疫疗法和药物敏感性分层患者,改进治疗策略.
科学领域:
- 在瘤学瘤学.
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 编程细胞死亡 (PCD) 途径对于肺腺癌 (LUAD) 的发展和进展至关重要.
- PCD标志物有可能预测预后并指导LUAD患者的治疗敏感性.
研究的目的:
- 通过单细胞分析,研究PCD在LUAD的瘤微环境 (TME) 中的作用.
- 开发和验证一个PCD相关的签名 (PCDS) 用于预后预测和治疗优化在LUAD.
主要方法:
- 利用单细胞分析和机器学习框架,从全面的LUAD数据集中构建PCDS.
- 根据PCDS分数,患者分为高风险和低风险组分层.
- 进行了途径丰富,基因组改变,瘤免疫微环境 (TIME) 和药物敏感性分析.
- 使用免疫组织化学和qRT-PCR验证了与PCD相关的关键基因表达 (MKI67,TYMS,LYPD3).
- 进行了体外实验,以评估MKI67淘汰对LUAD细胞行为的影响.
主要成果:
- 与140个现有的LUAD预测模型相比,开发的PCDS表现出更好的预测性能.
- 高风险患者的整体存活率 (OS) 显著降低.
- 低风险组表现出更炎症的时间,这表明免疫疗法反应更好.
- 确定了潜在的小分子药物,并评估了高风险组的药物敏感性.
- 在LUAD组织中确认了MKI67,TYMS和LYPD3的上调.
- 在体外,MKI67降低了LUAD细胞的增殖和迁移.
结论:
- 构建的PCDS作为一个有价值的工具,用于改善LUAD的预后预测.
- 该PCDS促进了个性化免疫疗法和向药物治疗的患者分层.
- 这个签名为优化肺腺癌治疗策略提供了关键的见解.
