综合的多omics数据来构建肝细胞癌途径亚型和分类模型
Lurao Ji1, Xiaoqin Li1, Bin Gao1
1College of Chemistry and Life Science of Beijing University of Technology, Beijing 100124, China.
Computational biology and chemistry
|November 1, 2025
概括
这项研究使用多omics数据开发了基于肝细胞癌 (HCC) 的新途径分类,确定了具有不同预后和潜在药物敏感性的三个不同的亚型. 该研究还发现了针对个性化HCC治疗的新型端粒相关生物标志物.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- 肝细胞癌 (HCC) 呈现出高度的异质性,使临床结果和治疗策略复杂化.
- 现有的基于基因表达的分类可能不能完全代表HCC患者的复杂生物机制和表型变化.
研究的目的:
- 通过整合多omics数据和路径信息来构建新的HCC分子亚型.
- 确定特定亚型的治疗目标和预后生物标志物.
- 开发一个强大的和可重复的HCC的分类模型.
主要方法:
- 整合多组数据 (基因表达,突变) 与基因组路径分析 (GSVA).
- 基于路径活动和基因组数据,构建了三种HCC亚型 (PS1,PS2,PS3).
- 特定于亚型的药物的鉴定,核心途径,与端粒相关的生物标志物,以及预后名录.
- 使用10个基因开发基于机器学习的分类模型.
主要成果:
- 鉴定了三种不同的HCC亚型 (PS1,PS2,PS3),显示出免疫透,通路特征和基因组不稳定性的显著差异.
- PS3亚型表现出最糟糕的预后,细胞增殖途径的丰富.
- 确定了六种特定亚型的药物,其中PS1对KU_55933和环胺胺具有更高的敏感性.
- 确定了三个与端粒相关的生物标志物 (POLD1,RFC1,TERF1).
- 建立了一个可重现的分类模型 (NN_MLP_10) 具有高准确性 (AUC = 0.930).
结论:
- 该研究成功建立了基于HCC的途径分子亚型系统,揭示了亚型之间的显著多奥米克差异.
- 已识别的与端粒相关的生物标志物和亚型特定药物为HCC个性化治疗策略提供了基础.
- 开发的分类模型为临床应用和患者分层提供了可重复的工具.
