在肝细胞癌中,基于机器学习的瘤异质性和化综合分析
Kaiqiang Tang1, Lu Han2,3, Junlin Li4
1Department of Radiology, Chongqing General Hospital，Chongqing University, Chongqing, China.
NPJ precision oncology
|December 17, 2025
概括
这项研究使用单细胞测序来解码肝细胞癌 (HCC) 异质性,识别不同的恶性细胞亚群. 结合PGAM2和化的一种新型预后模型预测了患者的结果和治疗反应.
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:
- 肝细胞癌 (HCC) 具有显著的细胞异质性,使预后和治疗复杂化.
- 了解这种异质性对于开发有效的HCC疗法至关重要.
研究的目的:
- 用单细胞RNA测序来描述人类HCC的细胞和分子格局.
- 识别不同的恶性肝细胞亚群及其在瘤进展中的作用.
- 根据已识别的分子特征,开发HCC的预后模型.
主要方法:
- 从人类HCC样本中对32,247个细胞进行单细胞RNA测序.
- 生物信息分析用于识别不同的细胞亚群和分子特征.
- 开发和验证一个综合关键基因和生物过程的预后模型.
主要成果:
- 确定了五个具有独特分子形状和特定阶段丰富的恶性肝细胞亚群.
- 发现了与晚期瘤和微环境重塑相关的S100A6+ C1和S100A9+ C4亚群.
- 确定PGAM2作为早期HCC的调节剂,与通过化与免疫逃避有关.
- 开发了一个基于PGAM2和化进行患者分层的预后模型,预测生存率和治疗反应.
- 验证的AGRN作为HCC扩散和入侵的驱动因素.
结论:
- 这项研究阐明了HCC的细胞和分子异质性,揭示了不同的恶性亚群.
- 结合PGAM2和化的一种新的预后工具可稳定地预测患者的结果和免疫背景.
- 确定了HCC干预的潜在治疗点,包括AGRN.
