从癌前病变到转移的胃癌演变的综合性多omics分析确定了一个基于深度学习的预后模型
Yulin Ren1, Xiaoyan Zhang2, Ke Li1
1Department of Medical Oncology, The Affiliated Cancer Hospital of Zhengzhou University and Henan Cancer Hospital, Zhengzhou, China.
Frontiers in immunology
|November 17, 2025
概括
这项研究绘制了胃癌微环境的地图,揭示了免疫细胞和纤维细胞如何相互作用以推动瘤的进展. 一个新的预后模型有助于对患者进行分层,以获得更好的治疗策略.
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:
- 胃癌的进展是复杂的,涉及瘤细胞,免疫细胞和层层元素.
- 在胃瘤微环境中理解细胞异质性,空间组织和通信是不完整的.
研究的目的:
- 通过单细胞和空间转录学,全面地绘制胃癌微环境.
- 为了确定细胞相互作用和空间结构驱动瘤进展和转移.
- 开发一种用于胃癌临床风险分层的预后模型.
主要方法:
- 在各种胃组织类型中对252,399个细胞进行单细胞RNA测序.
- 与空间转录组学集成,用于绘制细胞相互作用的地图.
- 权重基因共同表达网络分析 (WGCNA) 和深度学习用于预后模型开发.
主要成果:
- 鉴定了功能障碍的CD8+T细胞的扩张,亲瘤原生纤维细胞和改变的髓状细胞群.
- 揭示了突出的肌体免疫交叉声和空间组织的细胞相互作用.
- 开发了一个基于657基因模块的深度学习模型,可以准确地分层患者的存活率.
结论:
- 提供了胃癌微环境改造的高分辨率地图.
- 确定了关键的子群体,通信网络和空间结构,推动了进步.
- 预后模型显示了临床风险分层和治疗向的潜力.


