在肝细胞癌中通过机器学习集成构建瘤相关B淋巴细胞的预后特征

科学领域:

• 免疫学 免疫学 免疫学
• 在瘤学瘤学.
• 生物信息学是一种生物信息学.

背景情况:

• 传统上,B淋巴细胞在肝细胞癌 (HCC) 中表现出抗瘤功能.
• 新出现的证据表明瘤透的B细胞可以促进各种恶性瘤的癌症进展.
• 在HCC进展中B细胞的具体作用仍然不完全理解.

研究的目的:

• 调查HCC中促进瘤的B淋巴细胞子集的存在和作用.
• 开发一种基于B细胞特征的HCC新型预后模型.
• 评估模型对免疫疗法和化疗反应的预测能力.

主要方法:

• 单细胞RNA测序 (scRNA-seq) 数据分析 (GSE162616) 以比较正常和HCC组织中的B细胞.
• 权重基因共同表达网络分析 (WGCNA) 以确定关键的B细胞相关基因.
• 机器学习算法 (101个模型) 构建和验证HCC的预后模型 (RSF+plsRcox).

主要成果:

• 一个独特的B淋巴细胞子集,其特征是IgG分泌量升高和TGFBR1表达,在HCK中显著增加.
• 抑制SOX4和TGFBR1抑制了HCC细胞的增殖,证实了它们促进瘤的作用.
• 与现有模型相比,开发的瘤相关B淋巴细胞评分 (TABLS) 模型显示了总生存率 (OS) 和无复发生存率 (RFS) 的优异预测.

结论:

• 一个特定的B淋巴细胞子集促进HCC的进展.
• 图表是一个强大的预后生物标志物HCC,优于目前的模型.
• TABLS有可能指导HCC患者的免疫疗法和化疗选择.