非小细胞肺癌中的炎症途径和免疫微环境:多维分析和机器学习预测
Yuan Fang1, Yuli Wang1, Lanlan Yang1
1Clinical Medical Center of Oncology, Shanghai Municipal Hospital of Traditional Chinese Medicine, Shanghai University of Traditional Chinese Medicine, Shanghai, China.
Journal of cellular and molecular medicine
|July 19, 2025
概括
这项研究使用孟德尔随机化确定了与非小细胞肺癌 (NSCLC) 风险相关的特定炎症因素. 研究结果揭示了NSCLC病变发生过程中炎症,免疫细胞和细胞周期基因之间的复杂相互作用.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 遗传学 遗传学 是一个
背景情况:
- 非小细胞肺癌 (NSCLC) 涉及复杂的分子途径,包括炎症和免疫调节.
- 炎症因素和NSCLC风险之间的确切因果关系,以及它们与瘤免疫微环境的相互作用,仍然不完全理解.
研究的目的:
- 系统地评估各种炎症因素与NSCLC风险之间的因果关系.
- 用生物信息学和机器学习阐明分子目标,关键途径,并预测NSCLC.
- 分析NSCLC中免疫细胞组成和细胞周期调节基因之间的相关性.
主要方法:
- 孟德尔随机化 (MR) 用于评估炎症因素和NSCLC风险之间的因果关系.
- 转录组分析,网络药理学和蛋白质-蛋白质相互作用网络被用于分子标识.
- 机器学习模型被开发用于NSCLC预测,流细胞计分析了免疫细胞组成和基因相关性.
主要成果:
- 核磁共振分析发现TGFB1和CCL11与NSCLC风险正相关,而CD40和CCL4显示有保护作用.
- 生物信息分析显示,在与炎症相关的途径中,有74个重叠的药物疾病标;机器学习模型在NSCLC预测方面实现了0.723-0.763的AUC.
- NSCLC样本显示CD8+ T细胞和Tregs增加,B细胞减少,细胞周期基因 (例如CDK2,CDK3,CDK5) 和Tregs之间的复杂相关性.
结论:
- 这项研究确定了特定炎症因素与NSCLC风险之间的遗传联系.
- 它强调了炎症途径,免疫微环境组件和NSCLC发病过程中的细胞循环调节之间的复杂相互作用.
- 这些发现为了解NSCLC发育和针对炎症和免疫路径的潜在治疗策略提供了基础.


