与G2M检查点相关的免疫屏障结构和用于肝细胞癌的预后和免疫治疗反应的签名:空间转录组和机器学习的见解

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 免疫治疗是一种免疫疗法.

背景情况:

• 肝细胞癌 (HCC) 治疗存在挑战,特别是对于那些对免疫检查点抑制剂 (ICI) 无反应的患者.
• 空间转录组 (ST) 数据和机器学习 (ML) 为了解HCC异质性和ICI电阻提供了新的方法.

研究的目的:

• 利用ST数据和ML来识别用于预测HCC预后和ICI反应的生物标志物.
• 调查G2M检查点相关途径在HCC免疫逃避中的作用.
• 为了验证新型G2M检查点相关签名 (G2MRS) 和其组件的有效性.

主要方法:

• 对接受ICI治疗的HCC患者的ST数据的分析,重点关注途径活性和免疫透.
• 使用基于差异基因表达的167ML模型开发G2MRS.
• 在四个外部队列和一个内部队列中验证G2MRS,并对KPNA2进行体外实验.

主要成果:

• 在ICI不响应患者中发现抑制性免疫屏障结构 (SIBS),与G2M检查点活性升高有关.
• 包括KPNA2,CENPA和UCK2在内的G2MRS在预测HCC预后和ICI反应方面表现出高准确性.
• 在体外研究证实了KPNA2在调节肝癌细胞迁移,增殖和亡方面的重要作用.

结论:

• 空间异质性和ML对于改善HCC预后和ICI反应预测至关重要.
• G2MRS和KPNA2显示出作为个性化HCC管理策略的预测生物标志物的潜力.