综合的多omics分析和机器学习通过O-链接的糖化基因来完善肝细胞癌的分子亚型和预后

科学领域:

• 生物化学和分子生物学
• 在瘤学瘤学.
• 基因组学就是基因组学.

背景情况:

• O-糖化对蛋白质功能和细胞过程产生了重大影响.
• 对O-糖化在肝细胞癌 (HCC) 预后中的作用的研究是有限的.
• 了解HCC中的O-糖化是改善患者治疗结果的关键.

研究的目的:

• 通过批量和单细胞分析,研究HCC中的O-糖化基因表达和功能.
• 根据O-糖化样,定义HCC的新型分子亚型.
• 开发一种机器学习驱动的HCC预后签名.

主要方法:

• 权重基因同表达网络分析 (WGCNA) 用于多omics数据.
• 十个聚类算法来定义HCC分子亚型.
• 59种机器学习方法来构建预后签名.

主要成果:

• 确定了三种不同的HCC亚型 (CS1,CS2,CS3) 具有不同的基因组稳定性,免疫透和预后.
• CS2表现出一种免疫热的表型和对免疫治疗的敏感性.
• CS3显示基因组不稳定性,免疫感冒表型,并从特定的化疗中获益.
• 在HCC组织中观察到的O-糖化化枢纽基因的升级.

结论:

• 在HCC的预后和治疗分层中,O-糖化起着至关重要的作用.
• 开发的共识机器学习驱动的预后签名 (CMLS) 可实现精确的患者分层.
• 这项研究为个性化的HCC治疗计划和生存预测提供了一个平台.