整合单细胞RNA测序和人工智能用于多目标药物设计,以对抗肝癌的耐药性

科学领域:

• 癌症学
• 基因组学
• 免疫学

背景情况:

• 肝细胞癌 (HCC) 因其侵袭性,异质性,有限的治疗选择和不良预后而带来重大挑战.
• 尽管基因组学取得了进展,但驱动HCC进展的复杂分子机制,特别是在单细胞水平上,仍然不完全理解.

研究的目的:

• 通过单细胞RNA测序,研究转录异质性,免疫细胞透,并确定HCC的潜在治疗点.
• 在单细胞分辨率下阐明HCC进展和免疫逃避的分子驱动因素.

主要方法:

• 采用了全面的生物信息管道,包括质量控制,维度减少 (PCA,UMAP,t-SNE),聚类,差异基因表达分析和伪时间轨迹推断.
• 使用基因组丰富分析 (GSEA) 和生存分析进行免疫细胞分析,以确定预后生物标志物.
• 利用图形神经网络 (GNN) 预测药物基因相互作用并识别潜在的治疗候选物.

主要成果:

• 在HCC中鉴定了1178个差异表达基因 (DEG).
• 发现巨细胞的透有助于免疫规避.
• 发现APOE和ALB与更好的预后相关,而XIST和FTL与低生存率相关.
• 通过GNN分析和网络分析确定了潜在的药物候选物,如Gadobenate Dimeglumine和Fluvastatin.

结论:

• 单细胞方法提供了对HCC瘤演变和免疫抑制的关键见解.
• 这项研究确定了新的预后生物标志物和潜在的药物重用机会,用于治疗HCC.
• 这项研究提升了用于开发新型HCC治疗的计算药物发现.