多组学和机器学习改进了基于液态相分离相关基因的HCC分子亚型和预后
Minghao Li1,2,3, Qi Liu1,2,3, Jie Gao1,2,3,4
1Department of Hepatobiliary and Pancreatic Surgery, The FirstAffiliated Hospital of Zhengzhou University, No.1, Jianshe Road, Erqi District, Zhengzhou, China.
Scientific reports
|December 29, 2025
概括
这项研究确定了肝癌 (HCC) 中不同的液-液相分离 (LLPS) 亚型,揭示了预后,细胞周期和免疫反应的差异. 一个新的签名 (CMLLS) 有助于预测患者的结果和指导免疫治疗决策.
科学领域:
- 生物化学和分子生物学
- 在瘤学瘤学.
- 计算生物学 计算生物学
背景情况:
- 液-液相分离 (LLPS) 越来越多地被认为是癌症发展中的作用.
- 对LLPS对肝细胞癌 (HCC) 病原和患者分层的特定影响仍未得到充分研究.
研究的目的:
- 建立强大的,与LLPS相关的HCC分子亚型.
- 开发基于LLPS的基于HCC患者的机器学习驱动的预后签名.
- 研究LLPS亚型对预后和免疫治疗反应的临床影响.
主要方法:
- 综合共识聚类和整体机器学习框架.
- 使用了101种算法组合来识别可概括的预后签名 (CMLLS).
- 分析了通路丰富 (细胞循环,EMT,新陈代谢) 和在已识别的亚型中的免疫抵抗/敏感性.
主要成果:
- 确定了三个不同的LLPS驱动的HCC亚型 (LS1-LS3).
- LS3亚型与预后不佳,细胞周期/EMT通路上调和免疫抵抗有关.
- LS2亚型与更好的预后,新陈代谢途径丰富和免疫治疗敏感性增加有关.
- 该CMLLS签名显示出强大的预后预测性能,并确定了潜在的免疫疗法响应者.
结论:
- 这项研究通过LLPS的透视来阐明HCC异质性.
- 开发的CMLLS签名为HCC个性化治疗策略提供了有价值的工具.
- 这些发现为改善患者分层和肝癌向治疗铺平了道路.
