集成批量RNA-Seq和空间转录组学数据,揭示独特的免疫逃生机制和基于头部和部状细胞癌的翻译后修饰的免疫疗法

科学领域:

• 在瘤学瘤学.
• 分子生物学分子生物学
• 生物信息学是一种生物信息学.

背景情况:

• 翻译后修改 (PTMs) 在头部和部状细胞癌 (HNSCC) 的进展中至关重要.
• 在HNSCC中特定的PTM的预后意义仍未得到充分研究.

研究的目的:

• 调查PTM在HNSCC的预后影响.
• 为HNSCC患者开发一种新的预后特征,即PTM.score.
• 评估PTM.score预测免疫治疗反应的能力.

主要方法:

• 对TCGA-HNSCC和其他HNSCC队列的元分析.
• 21种PTM类型的共识聚类和权重基因同表达网络分析 (WGCNA).
• 机器学习开发PTM.score,整合DEG,预后相关的DEG,模块基因和PTM相关的基因.

主要成果:

• 确定了两种独特的PTM亚型,具有独特的分子特征.
• 在多个队伍中开发并验证了基于13个枢纽基因的PTM.score.
• 高的PTM.score与活跃的瘤微环境 (TME),预后不佳和免疫治疗反应减少相关.
• 空间转录学证实了瘤细胞内的PTM.score表达.

结论:

• PTM.score 是 HNSCC. 的可靠预后和预测生物标志物.
• 这种与PTM相关的签名提供了对预后和治疗反应的见解,支持个性化的HNSCC治疗.
• PTM.score可以指导头部和部状细胞癌患者的个性化治疗策略.