经免疫激活并具有病理特征的肾细胞癌亚型：基于人工智能的多组学研究为3PM（精准医疗）策略提供了新的见解

肾透明细胞癌（ccRCC）多组学整合研究通过机器学习构建预后分层模型，识别免疫激活型（高免疫浸润，对TKI敏感）与病理特征型（预后好，免疫检查点抑制剂响应佳）两种亚型，单细胞测序验证其细胞组分关联，并开发互动网页实现临床数据预测。

　　

摘要

背景与目标

肾透明细胞癌（ccRCC）具有高度异质性，在临床结果（如预后和对靶向治疗的敏感性）方面存在显著差异。在该领域开发预测性、预防性和个性化医学（3PM）策略对于有效实施针对ccRCC患者的个性化治疗至关重要。

研究假设与方法

我们假设，对ccRCC患者进行多组学分析可以提供更多分子特征信息，旨在开发和验证一个个性化的多组学预后建模框架，以实现对ccRCC临床结果的个体化风险分层。我们采用了一系列机器学习算法进行多维组学生物标志物融合，并结合单细胞测序来将ccRCC患者分类为不同的亚型。通过比较不同组学组合的轮廓值来确定最佳亚型。该分类器使用两个独立的外部数据集（ICGC-KIRC，91名患者；GSE167573，55名患者）进行了验证，并通过我们收集的单细胞测序数据进行了进一步确认。此外，我们还开发了一个交互式网页，以方便临床应用，从而提升预测能力。

在3PM框架下的结果与数据解读

经过筛选和分析后，我们整合了325名ccRCC患者的五类组学信息，包括1000个转录组生物标志物、500个甲基化生物标志物、190个突变生物标志物、30个蛋白质生物标志物和200个miRNA生物标志物。研究发现两种不同的ccRCC亚型：一种是免疫激活型，其特征是免疫浸润较高，对舒尼替尼（sunitinib）和索拉非尼（sorafenib）等靶向治疗药物敏感；另一种是病理特征型，其预后较好，更有可能对免疫检查点抑制剂免疫疗法产生反应。单细胞分析显示，免疫激活型亚型与髓系细胞和B细胞显著相关，而病理特征型亚型则与内皮细胞和成纤维细胞显著相关。交互式网页（https://zclab-cnp.shinyapps.io/biomarker/）为临床精准医学研究提供了便捷的工具。患者或其治疗医生可以上传他们的测序数据，然后基于本研究识别出的差异表达基因进行“最近模板预测”（Nearest Template Prediction），最终确定相应的患者亚组。

结论与3PM相关展望

本研究利用多维组学生物标志物融合和机器学习技术，支持精确的风险分层、个性化的ccRCC管理以及针对ccRCC进展的个体化防护。成功的临床应用需要在本地区患者中进行迁移学习、定期重新校准以及实验室验证，从而为ccRCC的3PM策略提供宝贵的参考依据。