在BLCA中的巨细胞和诊断生物标志物:将机器学习与单细胞分析集成

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 基因组学就是基因组学.

背景情况:

• 膀癌 (BLCA) 是一个严重的临床挑战,预后不佳.
• 巨细胞与BLCA密切相关,但它们的具体作用和亚型尚不清楚.
• 单细胞测序提供了一个强大的工具来探索巨细胞异质性,并确定BLCA中的新生物标志物.

研究的目的:

• 通过单细胞测序来研究膀癌中的巨异质性.
• 确定关键的巨相关基因,以开发BLCA的预后模型.
• 分析BLCA内的不同风险群体的免疫透和逃避.

主要方法:

• 分析了来自BLCA和对照样本的单细胞RNA测序数据.
• 无尺度网络分析 (hdWGCNA) 确定了与巨相关的基因.
• 拉索和随机森林分析为预后模型选择了关键基因,在独立数据集上进行了验证.
• 使用CIBERSORT,ESTIMATE和TIDE评估了免疫透情况.

主要成果:

• 在BLCA中发现了九种不同的巨细胞亚型.
• 七个关键基因 (MYO5A,KCNK6,DNAJB4,DEDD2,NFKBID,PSMB10,ITPRID2) 被选择来构建一个预后模型.
• 该模型准确地预测了整体存活率,高风险组显示出较差的结果.
• 高风险的BLCA患者表现出增加的免疫逃避,这表明对免疫检查点抑制剂 (ICI) 的反应受损.

结论:

• 一个7基因预后模型显示了BLCA的强大预测性能.
• 高风险患者中M2巨细胞表型的丰富与瘤侵入性增加相关.
• 这些发现表明,高风险的BLCA患者可能对ICI治疗的反应不那么有效.
• DEDD2成为膀癌的潜在预后生物标志物.