生信分析给电脑CPU干烧了？那你肯定是没有一个稳定强大的服务器，我猜你可能需要了解下云服务器：独享服务器拼团，优惠力度空前，立即行动！，想试用的就Call老方~
大家好，欢迎来到生信魔方！从发文数据上来看，当下的机器学习很是火热！自今年的诺贝尔物理学奖授予了在人工智能（AI）/机器学习领域有杰出贡献的科学家，又是掀起了一阵“机器学习”热，机器学习在医学研究中更是大放异彩！今天，老方分享一篇来自中南大学湘雅第二医院等多单位合作的相关主题研究，一起看看~
1. 在思路设计上，该研究整合了机器学习方法、单细胞技术、细胞通讯分析、免疫微环境研究等多种方法，提供了一个多维度的研究框架，用于探索葡萄膜黑色素瘤（UM）的转移机制和预后。
2. 在临床适用性上，该研究开发了一个包含较少基因的预后模型，以提高基因表达分析（GEP）在临床工作中的应用性。相比于以往的多基因模型，这个新模型仅包含三个基因（SLC25A38、EDNRB和LURAP1），这有助于降低基因检测成本，并可能促进其在临床上的应用。
PS：这篇文章中的多技术综合分析方法也可以用在自己的研究上，精简基因的预后模型思路更值得借鉴！机器学习依然大显身手，尤其结合预后模型，而且数据获取也不难！各位友友们快冲啊！如在思路设计、数据分析遇到困难，记得Call老方~
想利用机器学习做科研？快快锁定我们的直播课程，一起学起来！
方案设计
生信分析
服务器租赁
题目：机器学习和单细胞RNA测序揭示了瘤内CD8+ T细胞与葡萄膜黑色素瘤转移的关系
杂志：Cancer Cell International
影响因子：5.3
发表时间：2024年10月
公众号后台回复“666”领取原文PDF，文献编号：20241104
研究背景
葡萄膜黑色素瘤（UM）是成年人最常见的原发性眼内恶性肿瘤。据观察，40%的患者在后续治疗过程中发生远处转移。虽然目前已有利用机器学习方法开发的多基因模型来评估肿瘤转移和预后，但免疫微环境影响肿瘤微环境的具体机制尚未阐明。单细胞转录组测序可以准确识别组织中不同类型的细胞进行精确分析。本研究旨在开发一种更少基因的模型来评估UM患者的转移风险，为UM的免疫治疗提供理论依据。
数据来源
构建和验证预测模型的TCGA-UVM数据集、GSE22138数据集分别来自TCGA和GEO数据库。用于探索机制的两个单细胞转录组测序数据集（GSE138665、GSE139829）来自GEO数据库。
研究思路
首先，通过数据库检索筛选UM转移相关基因，并进行GO和KEGG富集分析，采用log-rank检验和单因素Cox回归分析筛选预后基因，采用LASSO回归分析和多因素Cox回归分析建立预后模型。其次，使用TCGA-UVM数据集作为内部验证数据，数据集GSE22138作为外部验证数据，通过建立时间依赖性受试者工作特征曲线（time-ROC），评估模型的预测能力。接着，我们对GSE138665和GSE139829进行了降维、聚类、伪时间分析和细胞通讯分析，以探索潜在的机制。最后，通过细胞实验验证相关结果。
主要结果
1. 预后模型的构建及验证
通过差异表达基因（DEG）分析、Venn分析鉴定了247个转移相关基因（MRGs）。通过log-rank检验、Cox回归分析、Venn分析筛选出117个与UM患者预后相关的基因。通过LASSO回归分析、多因素Cox回归分析构建预后模型，其中包含3个基因（SLC25A38、EDNRB、LURAP1）。根据预后模型计算风险评分并将样本分为高、低风险组。通过Kaplan-Meier生存分析显示，高风险组与UM患者较差的总生存期（OS）和无转移生存期（MFS）相关；ROC曲线分析显示预后模型在6个月、18个月和30个月的预测性能较高（图1）。
图1 预后模型的构建和验证
2. UM的转移和预后特征与免疫浸润相关
通过免疫浸润分析显示，高风险组的免疫浸润，免疫评分、基质评分和估计评分（与肿瘤纯度呈负相关）显著高于低风险组；高危组CD8 + T细胞评分明显高于低风险组；风险评分与免疫评分、基质评分和CD8 + T细胞评分呈显著正相关。通过Cibersort计算的免疫评分与风险评分的相关性分析显示，CD8+T细胞评分与风险评分显著相关（图2）。以上结果提示，CD8 + T细胞可能在肿瘤转移中发挥重要作用。
图2 UM的转移和预后特征与免疫浸润相关
3. 单细胞转录组测序数据探索肿瘤微环境
通过对单细胞转录组数据分析，鉴定出21种细胞类型。通过比较发现，高风险组肿瘤细胞百分比降低，细胞毒性CD8+T细胞百分比增加。通过预后生物标志物表达谱分析，发现SLC25A38在T细胞中表达较多，EDNRB和LURAP1在肿瘤细胞中表达较多（图3）。
图3单细胞转录组测序数据探索肿瘤微环境
4. CD8+T细胞在细胞通讯中的作用及分化轨迹
通过细胞间通讯分析显示，高风险组的细胞通讯数量和强度高于低风险组；在高风险组的所有细胞类型中，细胞毒性CD8 + T细胞的通讯强度都有较大的增强；无论是高、低风险组，细胞毒性CD8+T细胞在细胞通讯中都非常重要。将细胞毒性CD8+ T细胞细分为4个亚群，并根据CD8+ T细胞耗竭标记基因进行注释。比较两组细胞毒性CD8 + T细胞分化情况，发现高危组细胞毒性CD8+T细胞位于分化初期。通过BEAM分析鉴定了20个与细胞毒性CD8 + T细胞分化相关的基因；通过相关性分析显示，预后生物标志物SLC25A38与这些基因显著相关（图4）。
图4探索CD8+ T细胞的分化轨迹
文章小结
该研究构建了一个稳定的预后模型来预测葡萄膜黑色素瘤（UM）患者的转移风险和预后，并发现肿瘤微环境中的CD8 + T在UM的转移过程中起着关键作用。该研究整合了机器学习方法、单细胞技术、细胞通讯分析、免疫微环境研究等，提供了一个多维度的研究框架，用于探索UM的转移机制和预后。想复现思路的朋友，欢迎找老方设计思路、定制分析！
老方有话说
老方会持续为大家带来最新生信思路，并提供免费思路评估、付费方案设计、生信分析、实验项目实施等服务，感兴趣的朋友可以扫码咨询！
方案设计
生信分析
服务器租赁
往期推荐
1、给咱国产数据库赞一个！广西医科大学：CHARLS数据库+TyG+BMI，复杂关系探究思路请接收！关系理得清，8.5分轻松拿！
2、高分莫愁，多热点集结速上分！中南大学湘雅医院8分+SCI：孟德尔随机化+机器学习+单细胞，机制层层深扒！这个思路值得学习！
3、机器学习又整活儿了！中国医学科学院北京协和医学院9分+SCI：多组学+机器学习+泛癌，预后模型这么做，应用可真够广的！
声明：「原创」仅代表原创编译，仅供学术交流，如侵则删。
