多基因组合:通过恶性细胞相关基因预测肝细胞癌的进展和优化临床治疗

科学领域:

• 基因组学和生物信息学
• 癌症研究 癌症研究
• 精准医学是一门精准的医学.

背景情况:

• 肝细胞癌 (HCC) 呈现出显著的瘤间异质性,挑战了准确的预后和治疗选择.
• 现有的预后模型往往无法捕捉HCC的复杂性,需要先进的分析方法.

研究的目的:

• 开发强大的瘤细胞特异性基因特征 (TCSGs),用于预测HCC预后和指导治疗决策.
• 整合多学科数据,以全面了解HCC异质性及其临床影响.

主要方法:

• 使用Seurat和Infercnv用于恶性细胞识别的HCC标本的单细胞RNA测序分析.
• 对101个机器学习算法的系统评估,以开发可预测的TCSG.
• 在独立的队列中验证,风险分层,药物基因组分析 (Oncopredict) 和CRISPR/Cas9依赖性查.

主要成果:

• 在独立验证队列中,TCSG表现出强大的预测性能 (AUC 0.72-0.74).
• 风险分层确定了对索拉费尼布敏感的高风险HCC患者和对免疫疗法和TACE反应的低风险患者.
• 确定了特定的化疗剂 (沙皮蒂尼布,迪纳西克利布),其有效性取决于风险,并将SRSF7作为对HCC存活至关重要的优先考虑.

结论:

• 开发的多学科框架为HCC提供了一个临床可行的预后系统.
• 这种方法可以实现优化治疗选择,从而有可能改善HCC管理中的患者结果.
• 这项研究强调了将单细胞数据和机器学习整合为个性化癌症治疗的实用性.