使用机器学习与单细胞分析相结合,识别头部和部状细胞癌中的分化标志物和免疫微环境

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 基因组学就是基因组学.

背景情况:

• 头角状细胞癌 (HNSCC) 是一种全球普遍存在的恶性瘤.
• 组织病理学分类将HNSCC分为分化良好的和差异化的类型,后者表现出更大的攻击性.
• 对HNSCC分化及其免疫微环境的客观分子标记仍未得到充分探索.

研究的目的:

• 通过机器学习和单细胞转录学来识别与HNSCC分化相关的分子标记物.
• 根据差异化状态,研究HNSCC独特的免疫微环境特征.

主要方法:

• 对差异化关联基因模块 (WGCNA) 的TCGA-HNSC转录组数据的分析.
• 单细胞RNA测序数据 (GEO) 用Monocle和BEAM分析分化轨迹和分支点基因表达.
• 通过分子和细胞分析验证关键基因和免疫微环境组件.

主要成果:

• 细胞视网膜酸结合蛋白2 (CRABP2) 被确定为明显差异化的HNSCC的关键标志物.
• 低CRABP2表达与差异化HNSCC和免疫抑制微环境相关.
• 差差分化的HNSCC表现出调控性T细胞 (Treg) 透率增加和中性粒细胞透率降低.

结论:

• 低CRABP2表达是差异化HNSCC及其相关的免疫抑制微环境的关键驱动因素.
• 这项研究揭示了差异化HNSCC和免疫抑制微环境 (Tregs增加,中性粒细胞减少) 之间的新兴关联.
• 研究结果提供了新的分化标志物和对HNSCC病变的洞察力,支持针对分化和免疫调节的个性化治疗策略.