基于机器学习的单细胞和批量转录组集成揭示了肝细胞癌中的凝血特征和表型异质性
Yanxi Jia1, Xiaoxin Pan1, Rui Cen1
1School of Basic Medical Sciences, Southwest Medical University, Luzhou, China.
IET systems biology
|August 18, 2025
概括
这项研究使用单细胞分析确定了肝细胞癌 (HCC) 中不同的凝血亚型. 一个新的凝血相关风险评分 (CARS) 模型准确预测患者的预后,并帮助精确治疗肝癌的治疗策略.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 计算生物学 计算生物学
背景情况:
- 肝细胞癌 (HCC) 是全球癌症死亡的主要原因.
- 肝脏在凝血中的作用至关重要,但HCC中单细胞机制尚不清楚.
- 现有的HCC预后模型缺乏对凝血的详细单细胞洞察力.
研究的目的:
- 在单细胞水平上识别和描述HCC细胞中的凝血亚型和异质性.
- 开发一种新的,基于单细胞的凝血基因特征和HCC预后风险评分.
- 探索预后差异和潜在的治疗应用的潜在机制.
主要方法:
- 利用了KEGG和GO数据库来查找与凝血相关的基因.
- 应用机器学习算法来定义单细胞凝血基因签名.
- 在TCGA-LIHC队列中构建了一个凝血相关风险评分 (CARS) 模型.
- 综合临床病理学数据和CARS用于名图表的开发.
- 进行了路径,细胞通信和伪时间轨迹分析.
主要成果:
- 在HCC恶性细胞内确定了不同的凝血亚型和异质性.
- 开发了一个强大的CARS模型,在TCGA-LIHC队列中展示了准确的预后预测.
- 整合CARS和临床病理特征的诺莫图提供了个性化的预后评估.
- 剖析的机制导致与凝血风险相关的预后变化.
结论:
- 开发的CARS系统为HCC提供了精确的预后预测.
- 这种风险评估为HCC治疗中的精准医学方法提供了理论基础.
- 该研究阐明了影响HCC结果的单细胞水平凝血机制.
