综合单细胞和机器学习分析开发了一种基于谷氨酸代谢的预后模型,并确定MSMO1作为骨髓瘤的治疗标

科学领域:

• 在瘤学瘤学.
• 代谢途径 代谢途径
• 系统生物学 系统生物学

背景情况:

• 骨髓瘤 (OS) 患者分层缺乏谷氨胺代谢框架.
• 代谢途径显著影响疾病的进展和患者的结果.

研究的目的:

• 开发一种基于谷氨胺代谢的风险模型,用于骨肉瘤患者的分层.
• 确定参与OS谷氨胺代谢的关键基因和途径.
• 建立个性化治疗策略的预后工具.

主要方法:

• 集成的单细胞RNA测序与散装队伍.
• 使用五种算法进行量化谷氨胺代谢相关基因 (GRG) 评分.
• 通过机器学习 (Step-Cox + Ridge) 开发了一个五基因预后模型.
• 在独立的队列中验证了模型,并进行了功能性研究 (MSMO1 knockdown).

主要成果:

• 在谷氨胺代谢中发现了明显的内异质性,特别是在骨质细胞中.
• 开发了一种五基因预后模型 (GPX7,COL11A2,CPE,MSMO1,SGMS2),在独立队列中表现适度.
• MSMO1的敲除抑制了OS细胞的增殖,迁移,入侵,并改变了关键的代谢和信号通路.
• 该模型将OS患者分为不同的分子风险子组,具有不同的结果.

结论:

• 在骨髓瘤中建立了一个单细胞定,与谷氨酸合的状态.
• 引入了一个外部验证的预后工具,为OS提供了翻译的前景.
• 将MSMO1定位为一个关键的代谢信号节点,用于进一步调查和潜在的治疗向.