单细胞和批量转录学的机器学习集成识别了结直肠癌中纤维细胞驱动的预后标记物
Ning Zhang1, Ruiyan Liu1, Siya Wu1
1Department of Cancer Epidemiology, The Affiliated Cancer Hospital of Zhengzhou University & Henan Cancer Hospital, Zhengzhou, China; College of Public Health, Zhengzhou University, Zhengzhou, China.
Biomolecules & biomedicine
|April 23, 2025
概括
这项研究使用单细胞RNA测序来识别结直肠癌 (CRC) 纤维细胞的七个基因特征. 这个签名预测了患者的预后,并指导了个性化治疗策略.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 免疫学 免疫学 免疫学
背景情况:
- 单细胞RNA测序 (scRNA-seq) 揭示了结直肠癌 (CRC) 中的瘤微环境 (TME) 复杂性.
- 将scRNA-seq的洞察力转化为临床生物标志物和CRC的治疗方法是一项挑战.
研究的目的:
- 用scRNA-seq.进行全面分析CRC TME使用scRNA-seq.
- 为了确定纤维细胞衍生的预后生物标志物用于CRC风险分层.
- 基于已识别的签名来探索潜在的治疗策略.
主要方法:
- 对306个CRC样本 (448,255个细胞) 的scRNA-seq分析.
- 构建细胞间通信网络以确定TME监管中心.
- 机器学习集成用于开发七基因预后签名.
- 在独立数据集中的生存分析和验证 (TCGA-COAD,GSE17536)
主要成果:
- 纤维细胞在CRC TME中被确定为中央监管枢纽.
- 开发和验证了一种强大的七基因纤维细胞相关的预后特征.
- 与免疫细胞透,免疫功能和药物敏感性相关的签名 (坎普托他,伊利诺特坎).
结论:
- 来自纤维细胞的特征在结直肠癌中具有显著的预后价值.
- 识别的签名可以帮助风险分层和个性化治疗开发.
- 这些发现有助于推进CRC患者的精确瘤学.
