揭示了由巨细胞纤维细胞驱动的炎症网络,通过集成的单细胞和散装RNA测序来调解泛癌免疫特征
1Hubei Provincial Key Laboratory for Chinese Medicine Resources and Chinese Medicine Chemistry, School of Pharmacy, Hubei University of Chinese Medicine, Wuhan, China.
International journal of surgery (London, England)
|November 20, 2025
概括
这项研究确定了一个8基因签名 (MC.Sig),预测癌症存活率和免疫治疗反应. 针对这种特征可以提高感冒瘤的治疗效率,为增强免疫疗法提供新的生物标志物.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
背景情况:
- 免疫检查点抑制剂 (ICI) 在癌症治疗中表现有前途,但由于免疫抑制瘤微环境而面临局限性,特别是在"冷"瘤中.
- 开发ICI反应的预测模型对于有效的癌症治疗至关重要.
研究的目的:
- 构建一个具有不到10个基因的预测模型,用于泛癌存活率和ICI反应.
- 确定与ICI耐药性和免疫抑制相关的关键分子特征.
主要方法:
- 在17种癌症类型和34个数据集中进行单细胞RNA测序 (scRNA-seq) 分析.
- 机器学习可以识别与炎症相关的基因 (I.Sig) 和核心签名 (Hub-I.Sig).
- 将Hub-I.Sig的单细胞分辨率映射到巨细胞和纤维细胞上,以获得8个基因签名 (MC.Sig).
主要成果:
- 确定了一种与ICI耐药性相关的84基因炎症特征 (I.Sig).
- 开发了一个32基因核心签名 (Hub-I.Sig),并将其改进为一个8基因签名 (MC.Sig).
- MC.Sig在胰癌存活率和ICI反应方面表现出卓越的预测能力,并针对其改善了冷瘤 (卵巢癌) 的临床前模型中的PD-1抑制剂疗效.
结论:
- 一个双层基因签名框架 (Hub-I.Sig,MC.Sig) 已开发用于精密免疫疗法.
- 巨-纤维细胞驱动的炎症网络被确定为免疫抑制的关键驱动因素.
- 该研究提供了新的生物标志物和治疗点,通过解决炎症和免疫抵抗来增强免疫治疗反应.
