多omics分析揭示了瘤内微生物组,乳酸代谢和肺状细胞癌中的免疫状态之间的交叉关系

科学领域:

• 在瘤学瘤学.
• 代谢研究研究 代谢研究
• 免疫学 免疫学 免疫学

背景情况:

• 代谢失调,包括乳酸代谢 (LM),对于癌症的发展至关重要,影响瘤的进展和免疫规避.
• 在肺状细胞癌 (LUSC) 中LM的特定作用需要进一步阐明.

研究的目的:

• 使用多omics数据系统地调查LUSC中的LM模式.
• 识别LUSC的基于LM的新型亚型,并评估它们的临床和生物影响.
• 开发用于LUSC分类和免疫治疗反应的预测模型.

主要方法:

• 大量和单细胞转录组,基因组,内微生物组和数字病理学数据的整合.
• 机器学习算法用于LUSC分类和深度学习的应用,用于组织病理学图像分析.
• 因果调解分析,以探索内微生物群,LM和免疫之间的关联.

主要成果:

• 发现了基于LM的两种不同的LUSC亚型,具有不同的临床结果,体质突变和微生物群组成.
• 一个深度学习模型准确地根据组织病理学图像预测了LUSC亚型.
• 与LM相关的基因特征在预测多种癌症类型的免疫疗法结果方面表现出高准确性,优于现有的生物标志物.

结论:

• 这项研究增强了对LM在LUSC生物学和临床行为中的作用的理解.
• 基于LM的分类和预测模型有可能推进定制的LUSC管理策略.
• 确定连接瘤微生物群,LM基因和抗瘤免疫的途径,为未来的治疗干预提供了目标.