肝细胞癌的细胞外矩阵相关生物标志物:来自机器学习和单细胞分析的见解

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• 肝细胞癌 (HCC) 的5年生存率很低 (<20%).
• 细胞外矩阵 (ECM) 的改变对HCC的发展和进展至关重要.
• 需要新的生物标志物用于早期检测和改善预后.

研究的目的:

• 识别和验证ECM相关基因作为HCC的诊断和预后生物标志物.
• 通过系统生物学方法探索这些生物标志物在HCC进展中的作用.

主要方法:

• 癌症基因组图谱 (TCGA) 的综合分析使用系统生物学框架删除数据.
• 机器学习算法用于识别差异表达的ECM基因.
• 使用独立数据集进行验证 (GSE104310,GSE144269).
• 功能丰富分析和单细胞RNA测序 (scRNA-seq).

主要成果:

• 八个ECM相关基因 (CSPG4,CD34,C1orf35,ESM1,MAPT,PLXDC1,STC2,THBS4) 被确定为高调的诊断生物标志物.
• MAPT,PLXDC1和STC2显著与整体存活率差相关,定义了一个预后子集.
• scRNA-seq揭示了瘤微环境中的MAPT,PLXDC1和STC2的特定细胞类型丰富.
• 功能分析将这些基因与组织重塑和血管生成联系起来.

结论:

• 确定了基于ECM的关键基因,这些基因有可能成为HCC的诊断和预后生物标志物.
• 这些生物标志物可能为HCC的早期检测和治疗向提供新的途径.
• 了解它们的细胞局部化提供了对HCC病变的洞察力.