利用机器学习方法识别组织和血液中白细胞的转录特征,以用于多癌症诊断
《Cancer Genetics》:Identifying transcriptional signatures of leukocytes in tissue and blood for multicancer diagnosis by using machine learning methods
【字体:
大
中
小
】
时间:2026年01月06日
来源:Cancer Genetics 2.1
编辑推荐:
本研究利用机器学习方法分析四种癌症类型中T细胞和CD45+CD3?免疫细胞的RNA-seq数据,通过Boruta和mRMR筛选关键基因,构建高效分类器,揭示免疫细胞转录特征差异及其在肿瘤微环境中的作用,为新型诊断和治疗策略提供依据。
马青兰|任景新|陈雷|郭伟|冯凯燕|张宇|沈文峰|黄涛|蔡玉东
上海大学生命科学学院,中国上海200444
摘要
研究不同类型癌症中免疫细胞的转录特征对于理解它们在肿瘤微环境中的作用以及开发有效的免疫治疗策略至关重要。在这项研究中,我们采用了机器学习方法来分析四种不同类型癌症患者的RNA-seq数据,包括T细胞和CD45+CD3?白细胞类型。我们处理了七个数据集,每个数据集根据细胞来源分为三组:肿瘤组织、正常邻近组织和外周血。这些数据集通过Boruta方法进行了降维处理,剩余的基因通过最大相关性和最小冗余性方法进行了重要性排序。得到的基因列表被输入到增量特征选择(IFS)中,该算法利用决策树或随机森林来区分细胞,以识别与不同类型癌症中免疫细胞功能相关的关键基因,并构建高效的分类器和分类规则(针对不同组的特定模式)。我们的研究结果揭示了关键基因的独特表达模式,例如肿瘤组织中T细胞中CST7的下调和非肿瘤部位中CD2的差异表达。此外,我们确定LCP1、CD27和MAL是跨不同组织来源的T细胞中具有免疫相关性的基因,而IFI30、CXCR4和FOSB在CD45+CD3?白细胞中扮演了多种角色。这些关键基因的存在得到了文献中的支持,突显了它们在T细胞和其他免疫细胞中的抗肿瘤作用。我们的发现为不同类型癌症中免疫细胞的转录特征提供了宝贵的见解,并为癌症免疫学领域的新诊断、预后和治疗策略的开发奠定了基础。
引言
癌症,也被称为恶性肿瘤,是一系列疾病的总称,一直是众多科学研究的焦点。这种病理特征表现为恶性细胞的异常增殖、对程序性细胞死亡或凋亡的抵抗,以及免疫抑制性肿瘤微环境的形成[1]。除了肿瘤细胞外,肿瘤内皮程序还会重塑免疫细胞的活动和临床反应,这强调了需要在它们的微环境背景下解释免疫细胞的转录状态[2]。世界卫生组织报告称,2020年全球约有1000万人死于癌症,使其成为主要的死亡原因。最常见的癌症类型包括乳腺癌、肺癌和结直肠癌,其中肺癌导致的死亡人数最多[3]。尽管在癌症研究方面取得了显著进展,但免疫系统与肿瘤细胞之间的复杂相互作用仍然是一个关键的研究领域。免疫细胞,特别是T细胞,在肿瘤微环境中起着至关重要的作用,其功能在很大程度上受到其转录谱的调控[4,5]。了解不同类型癌症中免疫细胞的转录特征对于开发新的诊断、预后和治疗策略至关重要[6,7]。
T细胞在肿瘤病灶中的浸润与患者预后的改善有关。这些浸润免疫细胞在抗癌免疫中的关键功能包括监视、检测和清除肿瘤细胞,主要由适应性免疫系统中最具效力的效应器——MHC I类介导的CD8+ T细胞实现[8]。虽然一些研究已经探讨了特定类型癌症中肿瘤浸润淋巴细胞的转录特征[8,9],但对多种癌症类型中免疫细胞转录谱的全面分析仍缺乏。填补这一知识空白对于理解免疫细胞与肿瘤细胞之间的复杂相互作用以及识别癌症免疫治疗的新靶点至关重要。
癌细胞已经发展出多种策略来逃避和抑制免疫反应。它们具有发展防御策略的能力,例如下调MHC分子的生成和分泌降解穿孔素的酶[10]。这些恶性肿瘤可以创造一个免疫抑制性的肿瘤微环境,对T细胞产生多种影响,包括诱导CD8+ T细胞耗竭和凋亡[11],减少T细胞表面的T细胞受体(TCR)表达[12,13],促进抑制性调节性T(Treg)细胞的扩增[14,15],以及在PMA和离子霉素刺激后降低CD8+和CD4+ T细胞产生的IL-2和IFN[16]。尽管在癌症免疫学和免疫治疗方面进行了大量研究,但对不同癌症患者中T细胞相关基因表达变化的研究仍然不足。
在这项研究中,我们应用了Boruta[17]和排序特征算法最大相关性和最小冗余性(mRMR)[18]来识别T细胞和CD45+CD3?白细胞中差异表达的关键基因,基于先前研究[19,20]收集的基因表达数据,研究癌症患者中肿瘤组织、正常邻近组织(NAT)或外周血之间的差异基因表达谱。本研究旨在利用机器学习方法分析四种不同类型癌症患者的RNA-seq数据,识别免疫细胞的特定转录特征和与肿瘤免疫微环境相关的关键基因。我们假设可以在不同类型的癌症中识别出免疫细胞的独特转录特征,并利用这些特征开发用于预测肿瘤进展和患者预后的分类器。我们重点研究了四种癌症类型:非小细胞肺癌腺癌、子宫内膜腺癌、结直肠癌和肾透明细胞癌。我们使用mRMR为每种癌症类型获取了一个特征列表,并应用增量特征选择(IFS)提取最具信息量的特征,以开发有效的分类器和规则[21]。本研究中识别的特征和规则有助于早期癌症检测和筛查。此外,它们还可以提供关于癌症与T细胞之间相互作用的见解,这对于近年来备受关注的免疫疗法的发展非常重要。
本文的结构如下:首先,我们介绍了本研究使用的数据集和机器学习方法。接下来,我们展示了我们的主要发现,包括识别出的关键基因及其在不同癌症类型中的表达模式。最后,我们讨论了这些发现的潜在意义和未来的研究方向。
数据
我们使用了吴等人[19]提供的癌症患者的RNA-seq数据(GEO数据库访问号GSE139555)。这些数据根据癌症类型(结肠癌、子宫内膜癌、肺癌和肾癌)和免疫细胞类型(T细胞或CD45+CD3?白细胞)被分为七个不同的子数据集,其中子宫内膜癌的数据仅针对T细胞。每个子数据集进一步根据细胞来源分为三组:肿瘤组织、正常邻近组织和外周血对照组。值得注意的是,没有血液对照组。
结果
根据图1,每个数据集首先通过Boruta方法进行分析,丢弃了不相关的基因(特征)。每个数据集中剩余的基因数量列在表1中。然后,使用mRMR算法评估剩余基因的重要性,最终得到了补充表S1中的七个基因列表。每个列表中排名较高的基因表明它们在不同肿瘤组织中的表达具有很高的特异性,这可能非常重要。
讨论
在这项研究中,我们采用了一种多步骤计算方法来研究不同类型癌症中T细胞和CD45+CD3?白细胞的转录特征。通过比较这些免疫细胞在肿瘤微环境、邻近正常组织和外周血中的表达水平,我们识别出与癌症发展和进展相关的几个差异表达基因。通过使用特征排序算法mRMR,我们优先考虑了与这些基因相关的关键基因。
结论
通过多种机器学习方法的协作,我们分析了来自不同癌症患者的免疫细胞的单细胞RNA-seq数据。这些数据包括两种类型的数据集,即T细胞和CD45+CD3?白细胞数据集,每种数据集都根据不同的细胞组织进行了分组。我们的发现揭示了不同肿瘤类型和组织中T细胞的特定表达模式。通过使用关键基因子集,我们训练出了高性能的分类器,这些分类器可以
作者贡献
马青兰:方法论、正式分析、撰写 - 原始草案;任景新:方法论、正式分析、撰写 - 原始草案;陈雷:方法论;郭伟:正式分析;冯凯燕:方法论;张宇:软件;沈文峰:软件;黄涛:概念化、验证、数据管理、撰写 - 审稿与编辑、资金获取;蔡玉东:概念化、监督、资金获取。
资助
本研究得到了中国科学院战略性先导科技专项(XDB38050200, XDA26040304)、国家重点研发计划(2022YFF1203202)、广州国家实验室重大项目(GZNL2024A01003)、广州实验室自主支持项目(SRPG22-007)、中国科学院组织微环境与肿瘤重点实验室基金(202002)、山东省自然科学基金(ZR2022MC072)等项目的支持。
CRediT作者贡献声明
马青兰:撰写 – 原始草案,方法论,正式分析。任景新:撰写 – 原始草案,方法论,正式分析。陈雷:方法论。郭伟:正式分析。冯凯燕:方法论。张宇:软件。沈文峰:软件。黄涛:撰写 – 审稿与编辑,验证,资金获取,数据管理,概念化。蔡玉东:监督,资金获取,概念化。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号