综合性单细胞和批量转录组分析识别了与巨相关的基因特征,可预测肝硬化中肝细胞癌的发生

科学领域:

• 基因组学和转录基因组学
• 在瘤学瘤学.
• 免疫学 免疫学 免疫学

背景情况:

• 肝硬化是全球重要的健康问题,也是肝细胞癌 (HCC) 的主要危险因素.
• 晚期诊断HCC有助于高死亡率.
• 了解肝硬化到HCC进展期间的分子变化对于早期检测至关重要.

研究的目的:

• 为了整合单细胞RNA测序 (scRNA-seq) 和大量RNA测序 (bulkRNA-seq) 数据.
• 在肝硬化和HCC中识别巨细胞相关的转录基因变化.
• 开发预测模型,用于早期评估肝硬化患者中HCC的风险.

主要方法:

• 从肝硬化和HCC患者的肝脏组织中集成scRNA-seq和大量RNA-seq数据集.
• 使用scRNA-seq.q.识别巨细胞亚型及其转录动态.
• 在独立的队列中使用大量RNA-seq.验证发现.
• 使用拉索回归,随机森林和XGBoost构建诊断模型.
• 通过接收器运行特征曲线进行性能评估.

主要成果:

• 鉴定了11个与巨细胞相关的基因,在HCC中具有明显的下调 (KLK11, MARCO, CFP, KRT19, GAS1, SOD3, CYP2C8) 和上调 (TOP2A, CENPF, MKI67, NUPR1).
• 下调的基因表明瘤抑制功能的丧失,而上调的基因表明增强的增殖和M2极化.
• 机器学习模型 (Lasso,Random Forest,XGBoost) 有效地将肝硬化患者分为高风险和低风险组,具有高诊断性能.

结论:

• 巨关联的转录基因重塑在肝病从肝硬化进展到HCC中发挥着关键作用.
• 开发的机器学习模型对早期诊断和肝硬化管理中的临床决策充满希望.
• 这项研究提供了 HCC 发展背后的分子机制的见解,并为风险分层提供了工具.