通过整合多omics分析和机器学习算法来识别HCC中与矩阵刚度相关的分子亚型

科学领域:

• 在瘤学瘤学.
• 生物医学工程 生物医学工程
• 基因组学就是基因组学.

背景情况:

• 矩阵刚度是肝癌发展和进展的关键因素.
• 了解与矩阵度相关的特征对于预测肝细胞癌 (HCC) 预后和治疗疗效至关重要.

研究的目的:

• 开发和验证用于HCC预后的矩阵度相关基因特征.
• 研究PPARG在HCC中的作用及其对向治疗的反应.

主要方法:

• 使用10个集群算法,从肝肝细胞癌 (LIHC) 中集成的多omics数据.
• 使用机器学习和验证的PPARG.构建了一个57基因矩阵度相关的签名.
• 利用scRNA-seq,空间转录学和实验研究来分析PPARG功能和定位.

主要成果:

• 开发的签名在预后预测方面超过了现有的HCC签名.
• 确定了与矩阵刚度水平相关的独特的免疫和突变格局.
• 证明PPARG通过MAPK途径促进HCC的扩散,脂质代谢和干性,并将它与美丁尼布进行向,改善了治疗反应.

结论:

• 与矩阵刚度相关的签名是HCC的强有力的预后工具.
• 这种特征有助于表征免疫特征,并优化HCC患者个性化治疗策略.