今天分享的这篇文章亮点很多，非常值得我们学习，利用了大量泛癌大数据，并使用多种算法构建了模型，生信分析筛选出靶点基因。解码生信，持续更新临床生信文献与思路解读，感兴趣的老师可以关注CC
文章标题：Pan-cancer analysis implicates novel insights of lactate metabolism into immunotherapy response prediction and survival prognostication
中文标题：泛癌分析为免疫治疗反应预测和生存预后提供了乳酸代谢的新见解
发表期刊：Journal of Experimental & Clinical Cancer Research
发表时间：2024年4月
影响因子：11.4/Q1
研究背景
我们系统收集和审查从接受免疫治疗的患者那里收集的公共单细胞 RNA-Seq （scRNA-seq） 队列，以描述 LM 与免疫治疗反应之间的关联。通过对 40 个泛癌种 scRNA-seq 队列的广泛检查，制定了一种新的 LM 相关特征 （LM.SIG）。然后，采用多种机器学习 （ML） 算法来验证 LM.SIG 基于 8 个免疫治疗转录组队列和 30 个癌症基因组图谱 （TCGA） 泛癌数据集的免疫治疗反应预测和生存预后的能力。
LM 水平升高的恶性细胞在 NR 亚组内表现出富集倾向，表明 LM 与免疫治疗的耐药性有关。
2. 基于泛癌 TCGA 队列的 LM.SIG 免疫图谱
在泛癌数据集中检测到 LM.SIG 评分与这些基因的表达之间存在显著负相关，LM.SIG 评分高的肿瘤减少了抗肿瘤免疫细胞的浸润，包括 NK 细胞和细胞毒性淋巴细胞。在高 LM.SIG 评分的患者中，氧化磷酸化、活性氧途径、DNA 修复和 MYC 靶途径等排名靠前的途径被证实上调。与较高的 LM.SIG 患者相比，获得较低的 LM.SIG 的患者往往获得更好的抗肿瘤免疫力。
3.LM.SIG 的免疫疗法反应预测
Kaplan-Meier 图显示，低风险亚组在验证集和测试集中获得了良好的 OS，LM.SIG 在验证集中实现了最高的 AUC，为 0.73，在与 SKCM、GBM、RCC、UC、GC 和 NSCLC 相关的所有队列中表现良好，所以LM.SIG具有在预测泛癌数据集免疫治疗反应方面的能力。
4.LM.SIG 的生存预测
LM.SIG 相关的预后模型在验证和测试集中取得了优异的性能，LM.SIG 相关的预后模型可能强调其作为泛癌数据集预测工具的潜力。
5.使用 CRISPR 研究从 LM.SIG 生成的潜在治疗靶点
LDHA（LM.SIG 在多个 CRISPR 数据集中排名靠前的基因）被确定为枢纽基因，人类蛋白质图谱 （HPA） 数据集中的 IHC 揭示了宫颈癌、肾癌、肺癌和胰腺癌中 LDHA 蛋白表达水平升高，源自 LM.SIG 的 LDHA 可能作为预后泛癌生物标志物，也可以预测免疫治疗反应。
文章小结
基于大规模泛癌数据、免疫组织化学 （IHC） 和空间转录组学 （ST） 数据以及免疫疗法 scRNA-seq，我们揭示了 LM 与免疫治疗耐药性之间的紧密相关性，并进一步建立了泛癌种 LM.SIG，有可能成为选择适合免疫治疗的患者的竞争工具 。（对文章数据库和分析方法感兴趣的老师，欢迎关注CC一起交流）
