社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

9分纯生信!单细胞+百种机器学习+亚型分析思路~

作图丫 • 11 月前 • 333 次点击  

最近有小伙伴反映收不到推送,因为公众号改了推送算法,现在需要加星标,多点赞、点在看,才能准时收到推送哦。

导语:赖氨酰氧化酶家族(LOX/LOXL1-4)在癌症进展中起关键作用,但其转录调控机制、靶向治疗潜力、预后价值及免疫调节功能仍不清楚。


北京墨因生物已经与国内50+知名医院的老师或名牌大学实验室合作(协和、哈工大、同济、哈医大等)。欢迎有生信分析需求的老师垂询,公共数据库数据挖掘或自测数据分析均可。

欢迎长期合作
联系请扫描下方二维码


背景介绍




本研究系统评估了LOX/LOXL在癌症中的表达特征,重点揭示了靶向这些酶或开发基于LOX/LOXL的预后模型具有重要临床意义的癌症类型。文章发表在《Cell Communication and Signaling》上,文章题目为:Machine learning-based in-silico analysis identifies signatures of lysyl oxidases for prognostic and therapeutic response prediction in cancer。

研究设计




研究技术老路线如图所示。


数据介绍




公共数据集(包括来自GEO、中国脑胶质瘤基因组图谱CGGA和TCGA的6个批量和单细胞RNA测序数据集)。
结果解析




01
肿瘤细胞中LOX/LOXL表达存在异常调控
通过免疫荧光检测,本研究首次在骨肉瘤、横纹肌肉瘤、肺腺癌、胶质母细胞瘤和肝细胞癌细胞系中观察到LOX、LOXL1、LOXL2和LOXL4蛋白定位于内质网、核质及囊泡等不同细胞区室(图1A)。基于CCLE数据库中32种癌症类型共计946株人类细胞系的分析显示,LOX/LOXL在泛癌中呈现三种显著差异的表达模式(图1B)。无监督共识聚类分析鉴定出三个特征性集群:集群1表现为LOX及LOXL1-3基因的全面高表达(图1B左图);集群2以LOXL2特异性过表达为特征;集群3则显示整体低表达水平(图1B左图)。癌症类型分布分析表明,神经相关肿瘤、皮肤黑色素瘤和肉瘤主要富集于集群1-2,而血液系统恶性肿瘤、小细胞肺癌和胃肠道肿瘤则集中于集群3(图1B右图)。值得注意的是,集群2还包含超过90%的甲状腺癌、间皮瘤和肾癌细胞系(图1B右图)。这些结果揭示了LOX/LOXL表达谱具有癌症类型依赖性的异常调控特征。
figure 1

02
LOX/LOXL表达与肿瘤进展、转移及促肿瘤通路激活相关

本研究发现在多种肿瘤类型中,LOX/LOXL的过表达与晚期肿瘤分期、淋巴浸润、血管浸润及远处转移显著相关(图2A)。为深入解析其机制,本研究进行了通路富集分析。GSEA分析在泛癌中鉴定出33条被激活的通路,其中细胞外基质(ECM)重塑通路富集最为显著(图2B)。ESTIMATE基质评分和癌症相关成纤维细胞浸润亦与LOX/LOXL过表达呈正相关(图2C)。LOX/LOXL表达与血管生成、上皮-间质转化(EMT)、TGF-β及淋巴管生成通路正相关(图2D)。
figure 2

03
LOX/LOXL表达失调影响癌症预后,尤其在胶质瘤中尤为显著

在TCGA胶质瘤数据集中,通过留一交叉验证(LOOCV)框架拟合101种预测模型,并在两个CGGA验证队列中计算各模型的C-index。值得注意的是,"StepCox[both]+Enet[alpha=0.6]"、"StepCox[backward]+Enet[alpha=0.3]"和"StepCox[both]+CoxBoost"三种模型在TCGA和CGGA队列中表现出最高的平均C-index值(图3A),最终从初始21个基因中筛选出12个基因(LOX、LOXL2、LOXL4、CASP4、CLIC1、COL1A1、EMP3、GLA、MSN、MYL12A、PYGL和VASP)纳入最终LOXRS模型。基于多变量Cox模型中这些基因的表达水平计算LOXRS评分。为进一步提升OS概率预测精度,本研究整合LOXRS评分与三项关键临床特征(年龄、WHO分级和IDH突变状态)构建列线图模型(图3B)。基于列线图模型中四个变量的系数及Cox分析结果计算Cox风险评分。以最佳阈值(1.064)分组时,TCGA高分患者均显示OS显著降低,这一结果在两个CGGA队列中得到验证(图3C,p<0.0001)。受试者工作特征曲线(ROC)证实模型的预测效能,3年、5年和7年生存预测的曲线下面积(AUC)均>0.73(图3D)。决策曲线分析(DCA)显示,单独使用LOXRS评分与联合四变量的临床获益率相当,尤其在3年OS预测中表现突出(图3E)。校准曲线显示TCGA队列中3年、5年和7年OS的预测值与观测值高度吻合(图3F)。本研究证实,LOX/LOXL表达失调在泛癌中影响预后,其中对胶质瘤的预测价值最为显著。
figure 3

04
单细胞测序揭示LOXL2在IDH野生型复发性GBM中的独特作用

鉴于LOX/LOXL过表达与胶质瘤预后、WHO分级及IDH突变状态显著相关(图4A),本研究对7例IDH野生型胶质母细胞瘤患者的原发灶与匹配复发灶组织进行单细胞RNA测序(scRNA-seq)比较。在47,485个细胞的整合数据集中鉴定出20个特征性细胞亚群(图4B)。与原发性肿瘤相比,复发病灶中新增了星形胶质细胞、间充质细胞、GABA能神经元和施万细胞等亚群(图4B)。复发样本中内皮细胞、间充质细胞、施万细胞及少突胶质前体细胞(OPC-1)呈现LOXL2特异性高表达(图4C-D)。通过"CellChat"工具发现,复发性肿瘤中细胞间相互作用通过ECM(胶原蛋白、层粘连蛋白)和信号素(SEMA3)网络显著增强(图4E),尤其在内皮细胞、OPC-1和少突胶质细胞群体中表现突出。基于GSVA评分分析发现,复发性OPC-1在EMT、TGF-β、WNT/β-catenin、血管生成和顶端连接通路中具有显著生物学差异(图4F)。为深入解析OPC-1亚群特征,本研究进行亚群细分并依据标志基因命名八个群体(图4G)。LOXL2基因在COL3A1和NRG1亚群中广泛表达(图4H)。拷贝数变异(CNV)分析显示,与NKT和间充质细胞对照相比,NRG1亚群存在显著CNV改变,而COL3A1亚群未见异常(图4I)。值得注意的是,NRG1亚群的CNV负荷在复发期较原发灶显著增加(图4J),且表现出更高的EMT评分(图4K),提示NRG1亚群代表了一类具有LOXL2过表达特征的恶性细胞群体。本研究揭示,IDH野生型复发性胶质母细胞瘤的特征是出现与EMT及恶性表型相关的LOXL2过表达细胞群体。
figure 4

小编总结




在33种癌症类型中评估了LOX/LOXL家族的临床意义。LOX/LOXL过表达与肿瘤进展和不良预后显著相关,尤其在胶质瘤中表现突出。为此,本研究整合LOX/LOXL及其共表达基因开发了新型胶质瘤预后模型,该模型对患者总生存期具有高度预测价值,展现出重要的临床预后评估价值。此外,研究发现复发性胶质瘤中存在独特的LOXL2过表达恶性细胞亚群,其特征是胶原蛋白、层粘连蛋白和信号素-3通路激活,以及上皮-间质转化增强。除胶质瘤外,数据还显示LOXL3在巨噬细胞中的过表达可预测膀胱癌和肾癌对免疫检查点阻断疗法的反应。鉴于LOX/LOXL基因在多数癌症中的促癌作用,本研究筛选出靶向LOX/LOXL泛过表达的潜在治疗化合物(如VEGFR抑制剂西地尼布)。本研究为LOX/LOXL在癌症发病机制和治疗中的潜在价值提供了新见解,尤其揭示了其在胶质瘤预后评估中的重要意义。




往期推荐


分析专辑


单细胞scRNA | R包绘图 |  免疫浸润分析 | 肿瘤纯度评估工具 | 数据库


文章解读专辑


多区域进化文章精读 | 高分文章精读 | 免疫微环境文献解读


招聘信息


招聘


点击红字即可进入专栏!


码字不易,欢迎读者分享或转发到朋友圈,任何公众号或其他媒体未经许可不得私自转载或抄袭。
由于微信平台算法改版,公众号内容将不再以时间排序展示,建议设置“作图丫”公众号为星标,防止丢失。星标具体步骤为:
(1)点击页面最上方“作图丫”,进入公众号主页;
(2)点击右上角的小点点,在弹出界面选择“设为星标”即可。


点个在看你最好看

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/185209