基于 TME 特征与多组学数据的深度学习模型：精准预测胶质瘤患者生存预后的新突破

胶质瘤严重影响患者生存，传统预后模型有局限。研究人员整合多组学数据，构建基于 scRNA-seq 增强的自归一化网络（SNN）胶质瘤预后模型。结果显示模型预测准确性高，还发现潜在治疗药物。该研究为胶质瘤精准治疗提供依据。

　　在医学领域，胶质瘤作为中枢神经系统中常见的原发性恶性肿瘤，一直是困扰医学界的难题。它就像隐藏在人体深处的 “恶魔”，严重威胁着患者的生命健康。根据世界卫生组织（WHO）的分类，胶质瘤分为低级别（I、II 级）和高级别（III、IV 级），其中 IV 级的胶质母细胞瘤（GBM）恶性程度极高，患者的中位生存期通常不到 15 个月；而低级别胶质瘤（LGG）虽预后相对较好，但也存在恶性转化的风险。

长期以来，传统的预后模型主要依赖临床特征，如患者年龄、卡氏功能状态（KPS）评分、肿瘤大小和位置等。然而，这些模型就像是用一把 “粗糙的尺子” 去衡量复杂的疾病，无法准确捕捉胶质瘤的分子异质性。随着高 - 通量组学技术的飞速发展，多组学数据（如基因组学、转录组学和微生物组学）为探索胶质瘤的分子机制提供了宝贵信息。但这些数据具有高维性和异质性，传统的统计方法和机器学习算法在处理时常常 “力不从心”，容易出现过拟合问题，使得它们在临床预后评估中的应用受到极大限制。

为了攻克这些难题，北京中医药大学等机构的研究人员开展了一项极具意义的研究。他们整合多组学数据，旨在构建更精准的预后模型，并寻找潜在的治疗靶点。该研究成果发表在《Scientific Reports》上，为胶质瘤的研究和治疗开辟了新的道路。

研究人员在这项研究中用到了几个关键的技术方法。首先，从多个公共数据库获取数据，包括从基因表达综合数据库（GEO）获取单细胞数据，从癌症基因组图谱（TCGA）和中国胶质瘤基因组图谱（CGGA）等获取批量转录组数据 。然后，利用 EcoTyper 框架分析单细胞基因表达数据，以识别细胞状态和生态系统。此外，构建自归一化网络（SNN）模型，并通过梯度归因算法增强模型的可解释性。

下面来看具体的研究结果：

1. 构建人类胶质瘤单细胞图谱：研究人员从 GSE182109 数据集获取了 122,902 个高质量细胞进行分析，通过主成分分析和细胞类型标记基因注释，确定了 11 种细胞类型。他们发现小胶质细胞在不同样本中存在很强的异质性。
2. 分析胶质瘤 TME 中的细胞状态景观：借助 EcoTyper 框架，研究人员在 11 种细胞类型中鉴定出 55 种不同的细胞状态。经过四个独立队列的验证，证实这些细胞状态稳定可靠。通过生存分析发现，像 NPC_S01、Astrocyte_S01等多种细胞状态对胶质瘤具有预后价值，并通过功能富集分析揭示了相关机制。
3. 识别和分析胶质瘤 TME 中不同的生态系统：运用 EcoTyper 工具，研究人员鉴定出胶质瘤的七种不同的多细胞群落（肿瘤生态系统）。不同生态系统在细胞组成、细胞状态以及 LGG 和 GBM 患者比例上存在显著差异，且生态系统与患者预后相关。通过细胞通讯分析，揭示了不同生态系统中细胞状态之间的相互作用机制。
4. 评估 scRNA - seq 增强的多组学预后模型的性能：研究人员整合多种组学数据构建了包含 620 个样本的数据集，并利用 SNN 构建预后模型。该模型在训练集和测试集上都表现出优异的性能，C 指数分别达到 0.822 和 0.817 ，在 1、3、5 年的 AUC 值也显示出良好的预测能力，显著优于单组学模型和其他算法。
5. 阐释 scRNA - seq 增强的多组学预后模型的可解释性：通过基于注意力和梯度的解释方法，研究人员确定了影响胶质瘤预后的关键因素。例如，在 MUT 分析中，低风险组 FUBP1 突变更多，高风险组 PDGFRA 突变更多；CNV 分析发现高风险组 KCNMB2 突变更多。此外，构建的微生物 - 代谢物 - mRNA / 蛋白质相互作用网络揭示了微生物对肿瘤代谢和免疫微环境的影响。
6. 评估患者预后、免疫特征和药物治疗的模型：多组学 SNN 预后模型能有效将患者分为高风险和低风险组，且在训练集和测试集上显示出显著的预后差异。该模型还能识别 LGG 患者的不同亚型。通过分析发现，高风险组免疫检查点表达更高，免疫细胞相关状态的丰度也更高。药物敏感性分析显示，高风险组对替莫唑胺更敏感，低风险组对卡莫司汀、伏立诺他和厄洛替尼更敏感，并确定 HDAC 抑制剂为潜在治疗靶点。

在研究结论与讨论部分，该研究创新性地整合多组学数据和单细胞肿瘤微环境信息，构建了基于 SNN 的胶质瘤预后模型。该模型不仅能准确分层患者风险，还揭示了不同组学特征对预后的贡献，为胶质瘤的个性化治疗提供了新的见解和潜在治疗靶点。然而，研究也存在一定局限性，如不同组学数据之间的相互作用尚未完全阐明。未来的研究需要进一步探究这些动态关系，以更全面地理解胶质瘤的生物学机制，推动胶质瘤精准医学的发展。这项研究为后续研究奠定了重要基础，有望在未来为胶质瘤患者带来更有效的治疗方案和更好的生存希望。