人工智能辅助的多模态转录组分析发现了与衰老相关的预后特征，并描述了乳腺癌中ADGRF5相关的恶性表型

《Cells》：AI-Assisted Multimodal Transcriptomic Analysis Identifies a Senescence-Related Prognostic Signature and Characterizes ADGRF5-Associated Malignant Phenotypes in Breast Cancer

　　

摘要

细胞衰老（CS）逐渐被认为是与乳腺癌进展和治疗反应相关的重要细胞状态机制，但其分子异质性依赖于具体环境，这限制了其在预后评估中的应用。本研究通过基于GeneCompass的全基因组计算机模拟扰动分析，筛选出能够诱导细胞衰老或恢复活力的候选基因，从而扩展了已知的与衰老相关的基因集合。机器学习进一步构建了一个由七个基因组成的预测模型，该模型可作为多个队列预后的辅助工具。在训练队列中，该模型在1年、3年和5年时的AUC值分别为0.707、0.700和0.684；在测试队列中分别为0.657、0.661和0.629；在外部验证队列中分别为0.611、0.646和0.637。单细胞和空间转录组分析表明，该预测模型的风险因素不仅反映了恶性上皮细胞的状态，还涉及到肿瘤微环境中的基质-血管重塑。在这些候选基因中，ADGRF5的表达变化最为显著，其敲低可抑制乳腺癌细胞的恶性表型。这些发现提供了一种基于人工智能的衰老生物标志物发现策略，并强调了ADGRF5作为与乳腺癌进展相关的功能性风险基因的潜力。