机器学习驱动的多组学分析确定了与卵巢癌相关的分子亚型
Qiaoying Jin1,2, Zhaobin Chang1, Jinyi Liu3
1School of Information Science and Engineering, Lanzhou University, Lanzhou, 730000, China.
Scientific reports
|November 25, 2025
概括
这项研究基于与二硫化相关的基因确定了卵巢癌的两个分子亚型,揭示了不同的瘤微环境和免疫特征. 10个基因签名为特定亚型的精密瘤学策略提供了潜力.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 分子生物学分子生物学
背景情况:
- 精密瘤学利用多组学概况来针对癌症治疗.
- 脱硫化是一种新的治疗点,但其在卵巢癌 (OV) 中的作用仍然未被分类.
- 目前的卵巢癌分类缺乏整合二硫化的机制.
研究的目的:
- 根据与dissulfidptosis相关的基因对卵巢癌进行分类.
- 识别具有独特特征和临床结果的分子亚型.
- 开发一个用于卵巢癌分层的预测模型.
主要方法:
- 从TCGA和GEO数据中,共识聚类了76个与二硫化相关的基因.
- 鉴定差异表达基因 (DEGs) 和使用LASSO回归和随机森林查.
- 构建一个10基因预测模型,并使用单细胞和空间转录组学以及免疫组织化学进行验证.
主要成果:
- 确定了两种卵巢癌分子亚型,具有不同的基因组概况,瘤微环境 (TME) 特征和m6A调节器表达.
- 亚型1显示复制数增加和免疫抑制;亚型2显示较高的瘤突变负担 (TMB) 和免疫激活与增加的免疫透.
- 一个10基因的签名和CNN+GRU分类器证明了强大的患者分层. 证实了关键基因的表皮特异性过度表达.
结论:
- 与二硫化相关的基因在卵巢癌中定义了不同的分子亚型,具有不同的TME和免疫透特征.
- 识别的10个基因签名和分类模型为分子异质性和潜在的亚型特定治疗策略提供了洞察力.
- 多基因分析和蛋白质水平验证为卵巢癌的诊断和治疗提供了临床可翻译的生物标志物.
