目的:胶质母细胞瘤(glioblastoma,GBM)是最常见的原发性中枢神经系统恶性肿瘤,预后差。双硫死亡是一种新发现的调节性细胞死亡形式,其失调与癌症进展及治疗相关。目前,关于双硫死亡相关的长链非编码RNAs(disulfidptosis-related long no...目的:胶质母细胞瘤(glioblastoma,GBM)是最常见的原发性中枢神经系统恶性肿瘤,预后差。双硫死亡是一种新发现的调节性细胞死亡形式,其失调与癌症进展及治疗相关。目前,关于双硫死亡相关的长链非编码RNAs(disulfidptosis-related long non-coding RNAs,DRLs)在GBM中的研究还很有限。本研究旨在探讨DRLs与GBM患者预后的关系,构建并验证预后模型。方法:从癌症基因组图谱网站下载153例GBM患者样本的RNA测序数据和相应的临床特征,并从既往研究中获得10个双硫死亡相关的基因。将153例GBM患者样本按照1?1的比例随机分为训练集和验证集,前者用于筛选与GBM患者预后相关的DRLs和构建预后模型,后者和全部数据集的数据用于检验预后模型的准确性。根据单因素Cox回归分析、LASSO回归分析和多因素Cox回归分析,筛选出与GBM预后相关的DRLs并构建最佳预后模型。采用Kaplan-Meier生存分析、受试者操作特征(receiver operator characteristic,ROC)曲线分析和C指数分析评估该模型的预测性能。根据风险评分中位数分别将训练集、验证集和全部数据集的GBM患者分为高、低风险组,进一步对每个数据集中不同风险组之间的基因进行基因集变异分析、基因集富集分析、免疫微环境特征和免疫检查点基因分析、抗肿瘤药物敏感性预测分析。结果:构建并验证了一个包含9个DRLs的预后模型。训练集、验证集和全部数据集中风险评分与患者预后生存状态的关系散点图显示风险评分越高,病死患者越多,符合模型的预测;Kaplan-Meier生存分析结果表明3个数据集中高风险组GBM患者的总生存期均低于低风险组;ROC曲线分析结果表明训练集1、2和3年的曲线下面积(area under the curve,AUC)均保持在0.75以上,而验证集和全部数据集1、2和3年的AUC均分别保持在0.60和0.70以上,表明该模型预测性能良好;与年龄和性别相比,该风险模型更能预测GBM患者生存时间。基因分析结果表明预后较差的高风险组富集了免疫相关的通路,具有较高的免疫得分、免疫相关功能激活、免疫细胞浸润和较高的免疫检查点基因表达,且表现出对多种抗肿瘤药物敏感。结论:基于9个DRLs构建的预后模型对GBM患者的预后评估具有潜在的临床应用价值,有助于评估不同风险组GBM患者的基因差异、免疫浸润情况和抗肿瘤药物敏感性,为实现GBM的个性化治疗提供依据。展开更多
目的探讨目前单细胞转录组解析CD4^(+)T细胞的研究进展,通过解析CD4^(+)T细胞的异质性特征为肿瘤精准治疗提供思路。方法以“single cell transcriptomics、CD4 T cells、cancer”为关键词,检索2014年2月-2023年6月PubMed收录的相关文...目的探讨目前单细胞转录组解析CD4^(+)T细胞的研究进展,通过解析CD4^(+)T细胞的异质性特征为肿瘤精准治疗提供思路。方法以“single cell transcriptomics、CD4 T cells、cancer”为关键词,检索2014年2月-2023年6月PubMed收录的相关文献。纳入标准:对肿瘤组织进行单细胞转录组测序分析相关文献;排除标准:综述文献、Meta分析和病例报告。最终纳入50篇文献,其中34篇单细胞自测数据文献,6篇数据挖掘文献,10篇支持理论所引用的背景文献。结果CD4^(+)T细胞表现出显著的细胞异质性,可细分为多个功能各异的细胞亚群,在肿瘤微环境中呈现出高度的复杂性和动态变化,并与免疫治疗疗效密切相关。结论单细胞转录组学技术能够深入解析CD4^(+)T细胞的群体异质性,揭示其在肿瘤微环境中亚群的动态变化特征,为肿瘤精准治疗带来新的见解。展开更多
文摘目的:胶质母细胞瘤(glioblastoma,GBM)是最常见的原发性中枢神经系统恶性肿瘤,预后差。双硫死亡是一种新发现的调节性细胞死亡形式,其失调与癌症进展及治疗相关。目前,关于双硫死亡相关的长链非编码RNAs(disulfidptosis-related long non-coding RNAs,DRLs)在GBM中的研究还很有限。本研究旨在探讨DRLs与GBM患者预后的关系,构建并验证预后模型。方法:从癌症基因组图谱网站下载153例GBM患者样本的RNA测序数据和相应的临床特征,并从既往研究中获得10个双硫死亡相关的基因。将153例GBM患者样本按照1?1的比例随机分为训练集和验证集,前者用于筛选与GBM患者预后相关的DRLs和构建预后模型,后者和全部数据集的数据用于检验预后模型的准确性。根据单因素Cox回归分析、LASSO回归分析和多因素Cox回归分析,筛选出与GBM预后相关的DRLs并构建最佳预后模型。采用Kaplan-Meier生存分析、受试者操作特征(receiver operator characteristic,ROC)曲线分析和C指数分析评估该模型的预测性能。根据风险评分中位数分别将训练集、验证集和全部数据集的GBM患者分为高、低风险组,进一步对每个数据集中不同风险组之间的基因进行基因集变异分析、基因集富集分析、免疫微环境特征和免疫检查点基因分析、抗肿瘤药物敏感性预测分析。结果:构建并验证了一个包含9个DRLs的预后模型。训练集、验证集和全部数据集中风险评分与患者预后生存状态的关系散点图显示风险评分越高,病死患者越多,符合模型的预测;Kaplan-Meier生存分析结果表明3个数据集中高风险组GBM患者的总生存期均低于低风险组;ROC曲线分析结果表明训练集1、2和3年的曲线下面积(area under the curve,AUC)均保持在0.75以上,而验证集和全部数据集1、2和3年的AUC均分别保持在0.60和0.70以上,表明该模型预测性能良好;与年龄和性别相比,该风险模型更能预测GBM患者生存时间。基因分析结果表明预后较差的高风险组富集了免疫相关的通路,具有较高的免疫得分、免疫相关功能激活、免疫细胞浸润和较高的免疫检查点基因表达,且表现出对多种抗肿瘤药物敏感。结论:基于9个DRLs构建的预后模型对GBM患者的预后评估具有潜在的临床应用价值,有助于评估不同风险组GBM患者的基因差异、免疫浸润情况和抗肿瘤药物敏感性,为实现GBM的个性化治疗提供依据。
文摘目的探讨目前单细胞转录组解析CD4^(+)T细胞的研究进展,通过解析CD4^(+)T细胞的异质性特征为肿瘤精准治疗提供思路。方法以“single cell transcriptomics、CD4 T cells、cancer”为关键词,检索2014年2月-2023年6月PubMed收录的相关文献。纳入标准:对肿瘤组织进行单细胞转录组测序分析相关文献;排除标准:综述文献、Meta分析和病例报告。最终纳入50篇文献,其中34篇单细胞自测数据文献,6篇数据挖掘文献,10篇支持理论所引用的背景文献。结果CD4^(+)T细胞表现出显著的细胞异质性,可细分为多个功能各异的细胞亚群,在肿瘤微环境中呈现出高度的复杂性和动态变化,并与免疫治疗疗效密切相关。结论单细胞转录组学技术能够深入解析CD4^(+)T细胞的群体异质性,揭示其在肿瘤微环境中亚群的动态变化特征,为肿瘤精准治疗带来新的见解。