基于NETosis的预后模型揭示了使用单细胞和散装RNA测序的清细胞癌的免疫调节

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 生物信息学是一种生物信息学.

背景情况:

• 清细胞细胞癌 (ccRCC) 的预后需要改进预测标志物.
• 中性粒细胞外细胞陷 (NETosis) 在ccRCC中的作用仍未得到充分研究.
• 瘤微环境 (TME) 的复杂性会影响ccRCC的进展.

研究的目的:

• 开发和验证ccRCC的预后框架,整合NETosis和TME特征.
• 在ccRCC中调查NETosis,TME和患者存活率之间的关联.
• 用先进的生物信息学探索ccRCC中潜在的分子通路和细胞间通信.

主要方法:

• 单变量,拉索和多变量考克斯回归分析用于预后标志物识别.
• 在癌症基因组图谱 (TCGA) 数据集中进行免疫细胞透分析的CIBERSORT算法.
• 快速基因组丰富分析 (FGSEA),加权相关联网络分析 (WGCNA),CellChat和Monocle用于途径和单细胞分析.

主要成果:

• 结合NETosis和TME得分的综合预后模型显示,ccRCC患者生存率的预测准确度很高.
• 在NETosis和TME得分之间发现了与瘤发展相关的显著途径变异.
• 单细胞分析揭示了不同的细胞间通信模式,并突出显示了高风险ccRCC亚组中的关键基因 (例如EREG,LYZ,S100A8,S100A9).

结论:

• 集成的NETosis和TME预后模型为ccRCC患者分层和结果预测提供了一个强大的工具.
• 该框架为ccRCC病变发生过程中NETosis和TME的复杂相互作用提供了宝贵的见解.
• 这些发现支持该模型在指导ccRCC治疗和预后方面的潜在临床实用性.