通过基因调控网络推断,研究高度血清性卵巢癌的预后特征,使用单细胞转录基因特征进行推断
Toshiyuki Itai1, Yulin Dai1, Wendao Liu1,2
1Center for Precision Health, McWilliams School of Biomedical Informatics, The University of Texas Health Science Center at Houston, 7000 Fannin St. Suite 600, Houston, TX, 77030, USA.
Scientific reports
|November 10, 2025
概括
从单细胞RNA测序 (scRNA-seq) 数据中识别基因调节网络 (GRNs) 可以改善高度血清性卵巢癌 (HGSOC) 的预后. 基于调节的特征在预测患者存活率方面优于差异表达.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 高度血清性卵巢癌 (HGSOC) 仍然是妇女健康的一个重大挑战.
- 准确的预后标记对于有效的HGSOC治疗策略至关重要.
研究的目的:
- 通过基因调节网络 (GRN) 推断,识别HGSOC的强有力的预后特征.
- 开发和验证一个计算框架,将单细胞RNA测序 (scRNA-seq) 和大量RNA测序 (bulkRNA-seq) 数据集成为预后预测.
主要方法:
- 在不同的治疗条件下,精选了118,173个HGSOC细胞,用于scRNA-seq分析.
- 构建了1211个元细胞,并进行了GRN推断,以确定312个关键规律.
- 利用癌症基因组图谱 (TCGA) 批量RNA-seq数据从342名HGSOC患者进行预后评估.
主要成果:
- 与基于差异表达的特征相比,基于调节的预后特征表现出更好的表现.
- 开发的框架有效地预测了HGSOC患者的整体生存结果.
- 确定了与化疗前后患者预后相关的特定规律.
结论:
- 从scRNA-seq数据的GRN推断为HGSOC.提供了强大的预后标记.
- 综合计算框架为癌症预后预测提供了可通用的方法.
- 这项研究强调了基于网络的方法在卵巢癌精密瘤学的潜力.
