乳头甲状腺癌中淋巴结转移的细胞和分子决定因素:集成的多omics分析和机器学习模型
Hui Jiang1, Baozhong Hu1, Xiangyi Xu1
1Department of Ultrasound, The First Hospital of Anhui Medical University, Hefei, 230022, Anhui, China.
Computational biology and chemistry
|December 20, 2025
概括
这项研究解读了乳头甲状腺癌 (PTC) 中的淋巴结转移 (LNM),揭示了免疫逃生机制,并确定了用于LNM预测的17基因特征. 这些发现为向治疗和预测PTC LNM提供了新的工具.
科学领域:
- 在瘤学瘤学.
- 分子生物学分子生物学
- 基因组学就是基因组学.
背景情况:
- 在乳头甲状腺癌 (PTC) 中的淋巴结转移 (LNM) 的机制尚未完全理解.
- 识别这些机制对于改善患者的治疗结果和治疗策略至关重要.
研究的目的:
- 阐明LNM在PTC中的分子机制.
- 为了确定LNM的预测生物标志物.
- 探索PTC转移的潜在治疗点.
主要方法:
- 单细胞RNA测序 (scRNA-seq),空间转录组学 (ST) 和大量转录组数据的整合.
- 伪时代分析,以了解细胞发育轨迹.
- 开发一个17个关键基因特征和一个随机森林模型,用于LNM预测.
主要成果:
- N1阶段的PTC瘤显示出一个活跃的,免疫抑制的微环境,促进免疫逃生.
- 恶性细胞具有共同的发育轨迹,但在初级和转移部位之间呈现异质性.
- 一个17基因的签名,与FN1作为一个枢纽基因,被确定和验证预测LNM;FN1沉默抑制PTC细胞迁移和增殖.
- 一个预测模型确定了一个可能对ZM447439.9敏感的高风险群体.
结论:
- 本研究提供了对PTC LNM期间的功能适应性重编程的全面了解.
- 一个新的17基因签名和预测模型为LNM风险分层提供了工具.
- 有针对性的疗法,可能包括ZM447439,可能对高风险的PTC患者有益.
