基于机器学习的免疫细胞标志物在骨髓瘤中的选择:在疾病进展中预后确定和验证CLK1

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 基因组学就是基因组学.

背景情况:

• 骨髓瘤 (OS) 是一种骨癌,主要影响年轻人.
• 目前的治疗方法对转移性或复发性OS的成功程度有限,强调需要更好地了解瘤微环境 (TME).

研究的目的:

• 开发基于瘤透免疫细胞 (TIIC) 签名的骨肉瘤预后模型.
• 研究CLK1在OS进展中的作用及其作为治疗点的潜力.

主要方法:

• 来自TARGET数据库的临床和RNA表达数据和来自GEO数据库的scRNA-seq数据的分析.
• 使用R软件 (Seurat,InferCNV,CellChat,Maftools) 进行数据分析,包括CNV分析,细胞通信,TIIC得分计算和使用机器学习算法进行预测模型构建.
• 在OS细胞系上进行了功能性测试 (EdU,Transwell,免疫阻塞),以评估细胞的增殖,迁移和CLK1的表达.

主要成果:

• 在OS细胞中确定了明显的转录异质性,其中集群1显示终端分化和更高的攻击性与较差的结果相关.
• 基于与TIIC相关的基因开发了一种经过验证的预后模型,证明较高的TIIC得分与免疫细胞透率降低,免疫反应较差和生存率相关.
• 鉴定出CLK1是一种促进OS细胞增殖和迁移的潜在瘤基因.

结论:

• 一个基于TIIC的新型基因签名有效地预测了骨髓瘤患者的预后,并与免疫透和反应相关联.
• CLK1成为一个重要的瘤基因和一个有前途的治疗瘤的目标.