肺癌相关文献6

第十四篇

Classification of lung adenocarcinoma based on stemness scores in bulk and single cell transcriptomes
IF:6.0 中科院分区:2区 生物学WOS分区:Q1被引次数: 4
背景:癌细胞具有无限期自我更新和增殖的能力[2]。在一部分癌细胞中获得干细胞样特征可促进细胞的持续增殖和去分化。此外,消除非干细胞但不消除干细胞可赋予癌症抗性和复发性。干细胞样和非干细胞样癌细胞的混合赋予肿瘤内异质性 (ITH)。此外,对免疫消除的抵抗已被证明是干细胞样癌细胞的一种特性[3]。

结果

1.bulk-肿瘤中LUAD干性亚型的鉴定

基于 12 个干性特征(基因集),在 5 个数据集(TCGA-LUAD、GSE31210,GSE72094,GSE37745和 OncoSG)做ssGSEA 评分。聚类为三个簇,分别称为 St-H、St-M 和 St-L,它们分别具有高、中和低的干性特征得分 (干性水平遵循以下模式:St-H>St-M>St-L,图1)。St-H和St-L可能分别具有最好和最差的5年OS和/或DFS预后,这与高干性与较差的癌症生存率相关是一致的。肿瘤纯度遵循以下模式:St-H > St-M > St-L (P < 0.05) (图1D),表明高干性大块瘤比低干性大块瘤涉及的肿瘤细胞比例更高。St-H在晚期肿瘤中的比例高于St-L,St-H的TP53突变率高于St-L,St-H的EGFR突变率低于St-L。TP53突变与LUAD的预后较差有关[32],而EGFR突变与LUAD的预后较好有关[33]。此外,St-H的吸烟者比例高于St-L。相比之下,分化特征富集评分遵循以下模式:St-H < St -M < St -L。总而言之,这些结果支持高干性与癌症的不良临床结果有关。拟时序分析,大多数St-H肿瘤处于轨迹的开始期或早期阶段,而大多数St-L肿瘤处于轨迹的终末期或晚期,这表明高干性癌细胞很可能是低干性癌细胞的起源。
在这里插入图片描述

2.LUAD的干性亚型具有不同程度的基因组不稳定性和ITH

DNA损伤修复途径,如错配修复和同源重组,分别在St-H和St-L中具有最高和最低的富集水平。此外,MSH2、MSH6、POLE和POLD1等多个DNA损伤反应基因在St-H和St-L中的表达量分别最高和最低。TMB也遵循以下模式:St-H>St-M>St-L(P < 0.01)同源重组缺陷(HRD)可能导致肿瘤非整倍体[34]。同样,HRD评分显示模式:St-H>St-M>St-L(P < 0.01)拷贝数扩增和缺失的G-score分别在St-H和St-L中最高和最低(图2此外,ST-H的ITH水平最高,St-L的ITH水平最低,即满足St-H>St-M>St-L综上所述,这些结果表明肿瘤干性与基因组不稳定性和ITH呈正相关。有趣的是,St-H的总体甲基化水平[14]最低,而St-L的甲基化水平最高(P < 0.05)。
在这里插入图片描述

3.LUAD的干性亚型具有不同的肿瘤免疫微环境和免疫治疗反应

人类白细胞抗原(HLA)基因编码主要组织相容性复合体(MHC),负责免疫调节[35]。我们发现,许多HLA基因的表达水平呈现出以下模式:St-H<St-M<St-L[36]。结果表明,St-L和St-H的抗肿瘤免疫微环境活性最高和最不显著。我们通过TIDE算法预测了LUAD干性亚型对ICI的反应率[37]。有趣的是,St-H往往具有最低的缓解率,而St-L可能在亚型中具有最高的缓解率。此外,我们比较了接受抗PD-1/PD-L1/CTLA-4免疫治疗的5个癌症队列对ICI的反应率,包括Jung队列(NSCLC)[14]、Braun-Miao队列(ccRCC)[15],[16]、Kim队列(BLCA)[17]、Ulloa-Montoya队列(黑色素瘤)[18]和Liu队列(黑色素瘤)[19] ,几乎同上述结果一致。这些结果支持肿瘤干性抑制抗肿瘤免疫反应和免疫治疗反应。
在这里插入图片描述

4.LUAD单细胞干性亚型的鉴定

将单细胞数据依据得分,聚类模式为三类(A),看干细胞得分、侵袭、转移都为st-H>st-M>st-l,与先前结果一致(B)。看三组的DNA损伤反应基因(c),再看inferCNV推断出来的恶性肿瘤细胞比例(e)。最妙的为拟时序分析的解释,大多数St-H细胞分布在一个分支中,少数分布在另一个分支(图5相反,St-M和St-L中的单个细胞均匀分布在三个不同的分支中。它再次表明,高干性癌细胞在这些亚型中异质性最小。伪时间分析表明,许多St-H细胞处于轨迹的起点,而大多数St-L细胞处于晚期,许多St-L细胞处于终末状态(图5它表明许多低干细胞来源于高干细胞。此外,我们发现很少有St-H细胞也处于终末状态,这表明新的癌症干细胞可能随着肿瘤的发展而出现
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/644703.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Spring Security 6.x 系列【72】授权篇之角色分层

有道无术,术尚可求,有术无道,止于术。 本系列Spring Boot 版本 3.1.0 本系列Spring Security 版本 6.1.0 源码地址:https://gitee.com/pearl-organization/study-spring-security-demo 文章目录 1. 前言2. RoleHierarchy3. 案例演示3.1 期望3.2 集成3.2 测试4. 源码分析4…

python基础学习-03 安装

python3 可应用于多平台包括 Windows、Linux 和 Mac OS X。 Unix (Solaris, Linux, FreeBSD, AIX, HP/UX, SunOS, IRIX, 等等。)Win 9x/NT/2000Macintosh (Intel, PPC, 68K)OS/2DOS (多个DOS版本)PalmOSNokia 移动手机Windows CEAcorn/RISC OSBeOSAmigaVMS/OpenVMSQNXVxWorksP…

高校寝室卫生检查系统UML建模——活动图

学生查看历史的通知公告学生投诉寝室卫生检查 学生查看其他寝室的卫生情况 发起报修请求

取消默认进入conda的base环境

文章目录 输入命令&#xff1a; conda config --set auto_activate_base false即可

【强化学习】QAC、A2C、A3C学习笔记

强化学习算法&#xff1a;QAC vs A2C vs A3C 引言 经典的REINFORCE算法为我们提供了一种直接优化策略的方式&#xff0c;它通过梯度上升方法来寻找最优策略。然而&#xff0c;REINFORCE算法也有其局限性&#xff0c;采样效率低、高方差、收敛性差、难以处理高维离散空间。 为…

Vue3全局组件和自定义指令

目录 全局组件 全局指令 局部指令 全局组件 全局组件是在main.js中注册的&#xff0c;通过app实例.component创建 main.js import { createApp } from vue import App from ./App.vue //导入组件 import CustormComp from ./components/CustormComp.vue // 创建App实例挂载…

【centos7安装docker】

背景&#xff1a; 学习docker&#xff0c;我是想做一个隔离环境&#xff0c;并且部署的话&#xff0c;希望实现自动化&#xff0c;不为安装软件而烦恼&#xff0c;保证每个人的环境一致。 2C4G内存 50G磁盘的虚拟机事先已经准备完毕。 1.查看下centos版本&#xff0c;docker要…

CorLoc(Correct Localization)是什么?

“Correct Localization”&#xff08;CorLoc&#xff09;是一种用于评估目标检测模型性能的指标&#xff0c;强调模型是否能够准确地定位目标对象。该指标通常在训练数据上使用&#xff0c;用于检测模型对目标位置的精确性。 以下是对CorLoc的详细说明&#xff1a; 1.目标检测…

【大数据】Flink 系统架构

Flink 系统架构 1.Flink 组件1.1 JobManager1.2 ResourceManager1.3 TaskManager1.4 Dispatcher 2.应用部署2.1 框架模式2.2 库模式 3.任务执行4.高可用设置4.1 TaskManager 故障4.2 JobManager 故障 Flink 是一个用于状态化并行流处理的分布式系统。它的搭建涉及多个进程&…

aop介绍

AOP&#xff08;Aspect-Oriented Programming&#xff0c;面向方面编程&#xff09;&#xff0c;可以说是OOP&#xff08;Object-Oriented Programing&#xff0c;面向对象编程&#xff09;的补充和完善。OOP引入封装、继承和多态性等概念来建立一种对象层次结构&#xff0c;用…

Linux 快速上手

Liunx 不同的操作系统 Linux、Unix、Windows…Linux的不同的发行版本&#xff1a; debian、ubuntu、deepin、rethat、centos、fedora等等 Linux系统安装 可以参考我的安装Linux系统的文章&#xff0c;或者看网上找下安装步骤 Linux命令 命令行基础操作: 1. 命令行 [rootl…

代码随想录算法训练营第14天 | 二叉树的前序、中序、后序遍历(递归+迭代法)

二叉树的理论基础&#xff1a;&#xff08;二叉树的种类&#xff0c;存储方式&#xff0c;遍历方式 以及二叉树的定义&#xff09; https://programmercarl.com/%E4%BA%8C%E5%8F%89%E6%A0%91%E7%90%86%E8%AE%BA%E5%9F%BA%E7%A1%80.html 二叉树的递归遍历 Leetcode对应的三道习…

我们应该解决哪些计算机网络中的问题,才能实现进程之间基于网络的通信呢?

ps&#xff1a;本文章的图片内容来源都是来自于湖科大教书匠的视频&#xff0c;声明&#xff1a;仅供自己复习&#xff0c;里面加上了自己的理解 这里附上视频链接地址&#xff1a;1.6 计算机网络体系结构&#xff08;1&#xff09;—常见的计算机网络体系结构_哔哩哔哩_bilibi…

YOLOv5中Ghostbottleneck结构shortcut=True和shortcut=False有什么区别

GhostBotleneck结构中的shodcutTrue和shorcutFalse的区别在干是否使用残差连接。当shorcuTrue时&#xff0c;使用残差连接&#xff0c;可以以加速模型的收敛速度和提高模型的准确率&#xff0c;当shorcuFalse时&#xff0c;不使用残差连接&#xff0c;可以减少模型的参数数量和…

what is `ContentCachingRequestWrapper` does?

ContentCachingRequestWrapper 是 Spring Framework 中提供的一种包装类&#xff0c;它扩展了 HttpServletRequestWrapper 类&#xff0c;用于缓存请求体的内容。 通常在处理 HTTP 请求时&#xff0c;原生的 HttpServletRequest 对象中的输入流 (getInputStream()) 只能被读取一…

Java玩转《啊哈算法》排序之桶排序

过去心不可得&#xff0c;现在心不可得&#xff0c;未来心不可得 目录在这里 楔子代码地址桶排序代码核心部分优缺点 完整代码演示 升级版核心代码完整代码演示 楔子 大家好&#xff01;本人最近看了下《啊哈算法》&#xff0c;写的确实不错&#xff0c;生动形象又有趣&#x…

【多线程】多线程安全,为什么不安全,要怎么做保证其安全,实例

多线程安全是指在多线程环境下&#xff0c;对共享的数据进行操作时&#xff0c;保证这些操作能够正确、稳定地执行&#xff0c;不会导致数据不一致、异常等问题。多线程不安全通常是因为多个线程同时访问、修改了共享的数据&#xff0c;导致一些不可预料的结果。 一、多线程安…

训练自己的ai模型(一)学习笔记与项目实操

ai模型大火&#xff0c;作为普通人&#xff0c;我也想做个自己的ai模型 训练自己的ai模型通常需要接下来的的六步 一、 收集和准备数据集&#xff1a;需要收集和准备一个数据集&#xff0c;其中包含想要训练模型的数据。这可能需要一些数据清理和预处理&#xff0c;以确保数据…

Optional的使用(代替if判断是否为空)

Optional 前言 我的使用 package yimeng;import com.ruoyi.RuoYiApplication; import com.ruoyi.common.core.domain.entity.SysUser; import org.junit.jupiter.api.Test; import org.springframework.boot.test.context.SpringBootTest; import java.util.*;SpringBootTes…

C语言-算法-拓扑排序

【模板】拓扑排序 / 家谱树 题目描述 有个人的家族很大&#xff0c;辈分关系很混乱&#xff0c;请你帮整理一下这种关系。给出每个人的后代的信息。输出一个序列&#xff0c;使得每个人的后辈都比那个人后列出。 输入格式 第 1 1 1 行一个整数 N N N&#xff08; 1 ≤ N …