编辑推荐：
为精准预测肝细胞癌（HCC）预后，研究人员整合多组学数据构建模型，评估其准确性并分析差异，助力临床决策。
《肝细胞癌（HCC）是全球范围内常见且致命的恶性肿瘤，严重威胁人类健康。微血管侵犯（MVI）作为 HCC 复发和转移的重要危险因素，显著影响患者预后。然而，目前针对 MVI 相关的 HCC 预后预测仍存在诸多挑战。传统的预后模型多依赖单一算法和转录组数据，难以深入探究预后差异的内在机制，限制了其在临床实践中的应用。因此，迫切需要开发一种更精准、更有效的预后预测模型，以指导临床治疗决策，改善患者的生存状况。
为解决这些问题，西安交通大学第一附属医院的研究人员开展了一项深入研究。他们整合单细胞转录组数据和转录组数据，运用 101 种机器学习算法，构建了与 MVI 相关的 HCC 预后模型，并对其进行验证和评估。相关研究成果发表在《Scientific Reports》上。
在研究方法上，研究人员主要采用了以下关键技术：首先，从 TCGA-LIHC、GSE242889 和 ICGC-LIRI-JP 等多个数据库获取 RNA 测序数据、临床信息和体细胞突变数据。接着，运用 “Seurat” R 包处理单细胞转录组数据，并严格按照质量控制标准筛选数据 。然后，通过多种算法进行基因分析，如利用 LASSO 回归分析进行降维，结合 101 种机器学习算法构建预后模型，并采用 Leave-One-Out Cross-Validation（LOOCV）避免过拟合。最后，运用多种算法，如 “CellChat” R 包、ssGSEA、CIBERSORT 算法等进行细胞间相互作用、免疫浸润和免疫细胞比例分析。
研究结果如下：
- 差异基因鉴定：对 TCGA 数据和 GSE242889 单细胞数据进行预处理和分析，分别确定了与 MVI 相关的差异表达基因。通过对单细胞数据的聚类分析，明确了与 MVI 相关的恶性细胞亚群，并提取了高度表达基因，与 TCGA 数据中的差异表达基因取交集，得到了与 MVI 相关的差异表达基因（MRGs）。
- 信号通路分析：利用 “CellChat” R 包对 GSE242889 数据集进行细胞通讯分析，发现 MVI 相关恶性细胞与肝星状细胞在 PTN 信号通路存在显著相互作用，该通路可能参与调节肿瘤血管生成。同时，对 MRGs 进行 KEGG 和 GSEA 通路分析，发现其在 DNA 复制、碱基切除修复、细胞周期调控和免疫相关通路显著富集。
- 预后模型的构建、验证和评估：通过 LASSO 回归分析对 MRGs 进行降维，结合 101 种机器学习算法构建预后模型。最终确定的最优模型 Stepcox (forward) + RSF 包含 11 个基因（NOP16、YIPF1、HMMR、NDC80、DYNLL1、CDC34、NLN、KHDRBS3、MED8、SLC35G2、RAB3B）。该模型在训练集和验证集均表现出良好的预测能力，其 C-index 值较高，且高、低风险组患者的生存分析显示两组预后差异显著。通过与 38 个已发表的 HCC 预后模型对比，进一步证实了该模型的优越性。
- 基因突变分析：对高、低风险组进行基因突变频率分析，发现两组基因突变类型和频率存在差异。高风险组突变数量更多，且 Frame-Shift Insertion Mutations 比例更高，T-A 突变比例也更高。
- TIDE 评分和免疫检查点分析：利用 TIDE 算法分析发现，高风险组 TIDE 评分更高，免疫检查点基因表达水平也更高，表明高风险组患者更易发生免疫逃逸，免疫治疗效果可能较差。
- 模型基因分析：对 11 个模型基因进行分析，发现它们在肝癌肿瘤和正常组织中的表达存在显著差异，且与突变相关基因和免疫检查点基因存在关联，进一步验证了模型基因的可靠性和重要性。
- 免疫浸润分析：运用 ssGSEA 和 CIBERSORT 算法分析免疫细胞浸润情况，发现低风险组具有更有利的抗肿瘤免疫微环境，高风险组肿瘤相关巨噬细胞 M2 细胞比例增加，抗肿瘤免疫相关淋巴细胞比例降低。
- 临床和治疗分析：评估高、低风险组肿瘤分期差异，发现低风险组对免疫治疗反应更好，高风险组对化疗更敏感。
研究结论和讨论部分指出，该研究成功构建并验证了一种基于多种机器学习方法的 HCC 预后模型，该模型可作为独立预后指标，具有良好的可靠性和准确性。研究揭示了高、低风险组在基因突变和免疫特征方面的差异，为理解 HCC 的发生发展机制提供了新视角。此外，通过药物敏感性分析，发现了可能改善高风险组患者预后的潜在治疗药物。然而，研究也存在一定局限性，如单细胞数据中 MVI 相关恶性细胞分类较粗，样本量有待扩大，缺乏体内或体外功能实验探究模型基因的分子机制等。尽管如此，该研究成果仍为 HCC 的临床治疗和预后评估提供了重要参考，有望推动肝癌个性化治疗的发展 。
