在单细胞分辨率下CC/CXC化学基因风险特征:用于宫癌精密分层的机器学习模型

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 免疫学 免疫学 免疫学
• 生物信息学是一种生物信息学.

背景情况:

• 晚期子宫癌的预后不好,原因是化学抵抗和免疫抑制.
• 在宫癌中,化学因子相关基因 (CRG) 的预后价值尚未得到充分研究.
• 需要改善宫癌风险分层和治疗策略.

研究的目的:

• 开发基于CRG的宫癌的预后签名.
• 探索CRG签名在风险分层中的临床实用性.
• 描述瘤微环境,并预测宫癌的治疗反应.

主要方法:

• 集成的批量转录基因数据 (TCGA-CESC,GEO) 与免疫透和药物敏感性分析.
• 采用机器学习算法来识别预测CRG并构建风险签名.
• 利用单细胞RNA测序 (scRNA-seq) 进行详细的细胞和通信分析.

主要成果:

• 一个强大的14基因CRG衍生的风险特征在验证队列中显示了总生存期 (OS) 的高预后准确性.
• 高风险患者的生存结果 (OS,DSS,PFI) 和免疫抑制微环境较差.
• 这种特征与晚期瘤相对应,并在不同的细胞中确定了特定的CRG表达模式,揭示了瘤-肌瘤交叉声.

结论:

• 构建了第一个CRG衍生的风险签名,为宫癌预后提供了一个新的工具.
• 签名反映了瘤免疫相互作用和治疗脆弱性,有助于临床风险分层.
• 这些发现为为宫癌患者开发个性化免疫治疗策略提供了基础.