应用综合转录组和单细胞测序分析,以开发基于M2型瘤相关巨细胞的预后特征,用于乳腺癌

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 生物信息学是一种生物信息学.

背景情况:

• 类似M2的瘤相关巨细胞 (M2-like TAMs) 在瘤微环境 (TME) 和癌症进展中发挥着关键作用.
• 了解M2型TAMs的分子机制对于开发有效的乳腺癌 (BRCA) 疗法至关重要.

研究的目的:

• 开发一种基于M2类TAM相关基因的乳腺癌预后基因特征 (BRCA).
• 验证签名的预测能力,并探索其与瘤微环境和治疗剂的相关性.

主要方法:

• 利用了TCGA-BRCA,GSE20685和GSE176078数据集中的转录组和单细胞RNA测序 (scRNA-seq) 数据.
• 采用权重基因共同表达网络分析 (WGCNA) 来识别与M2类似的TAM相关的基因.
• 开发了一个使用单变Cox和LASSO回归的预后风险评分模型,在外部数据集中验证. 构建了一个整合RiskScore和临床因素的nomogram.
• 进行了与TME成分和化疗药物的相关性分析,并通过qRT-PCR验证了关键基因表达.

主要成果:

• 巨细胞在BRCA中显示出最高的免疫相关基因 (IRG) AUCell得分,鉴定出明显的C1和C2亚型.
• 建立了一个10基因预后签名 (ARHGAP26,RILP,KLRB1,CSTA,KLHDC7B,PSMB8,KYNU,RNASE1,LONRF3,TRPM2),形成了一个强大的风险评分模型.
• 结合阶段,年龄和风险评分的诺莫图显示出强大的预测性能. 大多数免疫细胞与RiskScore负相关. 在高风险组里,ribociclib显示出更高的IC50.

结论:

• 确定了一种与乳腺癌 (BRCA) 的M2型TAM相关的新型10基因预后特征.
• 这种签名提供了有价值的预后信息和BRCA治疗的潜在治疗点.