在肺腺癌单细胞分辨率上绘制细胞类型特定的积极遗传相互作用图

科学领域:

• 基因组学就是基因组学.
• 计算生物学 计算生物学
• 癌症研究 癌症研究

背景情况:

• 基因相互作用 (GI) 在癌症的发展和治疗耐药性方面至关重要.
• 大量方法无法在异质瘤中解决细胞类型特定的GI,例如肺腺癌 (LUAD).
• 有限的分析工具阻碍了在单细胞分辨率下研究细胞类型特定的GI.

研究的目的:

• 开发一个计算框架,scPGI-finder,用于识别单细胞正基因相互作用 (scPGIs).
• 调查scPGIs在肺腺癌 (LUAD) 表皮和T细胞中的作用.
• 验证scPGIs作为恶性瘤和免疫治疗反应的生物标志物.

主要方法:

• 开发了scPGI-finder,以在单细胞分辨率下识别与繁殖适应性相关的高表达协调的基因对.
• 将scPGI-finder应用于LUAD单细胞数据以识别上皮细胞和T细胞scPGIs.
• 使用多omics数据,蛋白相互作用网络和多种癌症队列验证的scPGIs.

主要成果:

• 在LUAD中确定了49,808个上皮和15,896个T细胞scPGIs.
• 预测scPGIs在蛋白相互作用网络中显示出更强的连接.
• 皮质scPGIs在跨度尺度的恶性瘤预测中实现了0.974的AUROC.
• 一个T细胞scPGI签名预测了AUROC>0.80.0的免疫疗法疗效.

结论:

• scPGI-finder可在单细胞分辨率下识别细胞类型特定的遗传相互作用.
• scPGIs 作为强大的生物标志物用于 LUAD 恶性瘤评估.
• scPGIs可以预测免疫治疗反应,为精确瘤学提供翻译框架.