PRMTs在泛癌中的调控机制及机器学习鉴定PRMT3作为胰腺癌生物标志物的研究

《The FASEB Journal》：Interplay of PRMTs and Identification of Biomarkers Through Machine Learning Algorithms in Pan-Cancer, Highlighting PRMT3 as a Biomarker in Pancreatic Cancer

本研究通过机器学习算法揭示精氨酸甲基转移酶（PRMTs）在泛癌中的调控网络，首次提出PRMT3作为胰腺癌转移的关键生物标志物，为肿瘤免疫治疗提供新靶点。

　　

精氨酸甲基化作为一种常见的翻译后修饰，在多种生物过程和疾病中发挥关键作用。本研究通过整合TCGA和GTEx数据库，系统分析了蛋白精氨酸甲基转移酶（PRMTs）在肿瘤与正常组织中的表达模式及预后价值。利用三种机器学习算法（未具体命名）筛选出跨癌种的PRMTs相关预后生物标志物，并进一步探索了PRMTs在泛癌中的免疫调节功能。药物敏感性预测显示Daporinad、Dinaciclib和Sepantronium bromide可能对多数癌症类型有效。功能实验（Transwell和小室迁移实验）证实PRMT3缺失可显著抑制胰腺癌转移。单细胞RNA测序分析识别出胰腺癌中10种细胞亚群，提示PRMT3可能是胰腺癌潜在的预后生物标志物。该研究为理解PRMTs在癌症进展中的调控机制提供了新视角，并为免疫治疗反应预测和患者生存改善提供了潜在靶点。