基于炎性衰老特征的机器学习预后模型在膀胱癌中的构建与验证及SCEL基因治疗靶点发现

《npj Precision Oncology》：Multi-omics integration constructs an inflammation-senescence signature for predicting bladder cancer progression and therapy response

　　

摘要

膀胱癌（BLCA）是一种高度异质性的恶性肿瘤，临床结果差异显著。炎症与细胞衰老之间的相互作用，称为炎性衰老，在肿瘤发生和进展中起着关键作用。然而，炎性衰老背后的分子机制及其在 BLCA 中的临床相关性仍知之甚少。通过使用 MSigDB 数据库进行相关性分析，鉴定了炎性衰老特征标志基因（ISH 基因）。开发并验证了一个基于机器学习的 ISH-风险评分模型，用于预测 BLCA 预后。为了探讨 ISH 基因和 ISH-风险评分模型的生物学和临床相关性，基于多组学和单细胞 RNA 测序（scRNA-seq）数据进行了全面分析，包括功能富集、免疫浸润和药物敏感性评估。此外，通过功能实验验证了关键 ISH 基因 SCEL 的作用。ISH-风险评分模型在多个独立队列中展现了稳健的预后性能。低风险组患者表现出更高的抗肿瘤免疫细胞浸润，这与更有利的临床结果相关，并可能增强对免疫检查点疗法的反应。相比之下，高风险组显示促炎、侵袭性和免疫抑制通路富集，这与较差的生存率相关。scRNA-seq 分析显示 SCEL 在恶性上皮细胞中显著上调，提示其通过促进增殖和迁移在肿瘤进展中的作用，这一发现通过体外实验进一步得到验证。在 BLCA 中鉴定出一个炎性衰老特征，揭示了其生物学特征和临床相关性。基于此特征，开发并验证了一种新型基于机器学习的预后模型，有效预测了患者生存率和治疗反应。此外，SCEL 被鉴定为 BLCA 管理的有前景的治疗靶点。