机器学习识别了TIME亚型,将EGFR突变与肺腺癌中的免疫状态联系起来
Zetian Gong1, Mingjun Du1, Ying Li2
1Department of Thoracic Surgery, The First Affiliated Hospital with Nanjing Medical University, Nanjing, China.
NPJ digital medicine
|November 26, 2025
概括
肺腺癌中的表皮生长因子受体 (EGFR) 突变会产生独特的免疫微环境. 机器学习发现EGFR突变瘤具有免疫抑制特征,而野生型瘤显示免疫活性,影响预后.
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:
- 皮表皮生长因子受体 (EGFR) 突变驱动肺腺癌 (LUAD).
- 在LUAD中,EGFR突变对瘤免疫微环境 (TIME) 的影响尚不清楚.
研究的目的:
- 用机器学习来划分LUAD中的免疫异质性.
- 为了描述EGFR突变体与野生型LUAD的TIME景观.
主要方法:
- 从153个LUAD样本中整合单细胞转录组.
- 机器学习和非负矩阵因数分解用于TIME子类型.
- 流细胞计和小鼠模型用于功能验证.
主要成果:
- 产生了一百万细胞的地图,揭示了免疫异质性.
- 突变EGFR的LUAD显示了丰富的TIGIT+调节T细胞,中性粒细胞和巨细胞.
- 野生类型的LUAD具有丰富的ZNF683+ CD8+ T细胞,记忆B细胞和FGFBP2+ NK细胞.
- 确定了五种TIME亚型;EGFR突变患者被分为免疫抑制特征和预后不佳的免疫抑制特征.
- FGFBP2+NK细胞表现出细胞毒性和PD-1阻断增强功能.
结论:
- EGFR突变显著影响了LUAD中的TIME,导致了不同的免疫特征.
- 突变EGFR的LUAD与免疫抑制的TIME和更差的预后有关.
- 基于机器学习的免疫基因组分析为LUAD的精密免疫疗法提供了洞察力.
