發(fā)表雜志信息1

發(fā)表雜志名稱：Frontiers in Immunology

影響因子：5.7

online 時(shí)間：2024 年 12 月 5 日

研究概述
本研究利用泛癌單細(xì)胞和空間轉(zhuǎn)錄組分析，結(jié)合多組學(xué)數(shù)據(jù)與機(jī)器學(xué)習(xí)算法，旨在探究衰老相關(guān)癌癥相關(guān)成纖維細(xì)胞（senes CAF）在神經(jīng)母細(xì)胞瘤（NB）中的分子景觀及臨床意義。研究人員通過衰老相關(guān)基因鑒定 senes CAF 亞群，構(gòu)建 senes CAF 相關(guān)特征（SCRS）模型，經(jīng)多種算法和隊(duì)列驗(yàn)證，該模型能精準(zhǔn)診斷 4 期 NB 并預(yù)測(cè)預(yù)后。分析發(fā)現(xiàn)，低風(fēng)險(xiǎn)組患者生存結(jié)局更好、免疫浸潤更豐富且對(duì)免疫治療更敏感。此外，研究還揭示了關(guān)鍵基因 JAK1 在泛癌中的異質(zhì)性。本研究成功開發(fā) SCRS，為 NB 的診斷和預(yù)后分層提供新方法，也為 senes CAF 的研究提供新視角。

研究結(jié)果

圖 1：癌癥相關(guān)成纖維細(xì)胞（CAF）在泛癌中的異質(zhì)性及衰老相關(guān) CAF 的鑒定：

圖 2：CAF 亞型在多種癌癥中的空間分布特征：

利用 CellTrek 整合 scRNA-seq 和 ST 數(shù)據(jù)，重建多種癌癥的空間單細(xì)胞圖譜，涵蓋結(jié)直腸癌（CRC）及其肝轉(zhuǎn)移、乳腺癌（BRCA）及其腦轉(zhuǎn)移、卵巢癌（OVCA）和肝細(xì)胞癌（LIHC）等（圖 2A - H）；RCTD 反卷積分析展示腫瘤組織切片中各種主要細(xì)胞類型的空間分布（圖 2A - H 第一個(gè)圖）；Cottrazm 分析劃分惡性、混合和正常區(qū)域，展示腫瘤邊界和免疫屏障空間分布（圖 2A - H 第二個(gè)圖）；CellTrek 映射分析顯示組織切片中 CAF 亞型的空間位置，表明腫瘤微環(huán)境中有多種 CAF 亞群浸潤且存在 senes CAFs（圖 2A - H 第三個(gè)圖）；計(jì)算空間 k 距離發(fā)現(xiàn)，CAF 亞群間空間 k 距離最小，senes CAF 與內(nèi)皮細(xì)胞在 CRC 肝轉(zhuǎn)移和 OVCA 中、與 B 細(xì)胞在 CRC 和 LIHC 中空間 k 距離較近（圖 2A - H 第四個(gè)圖）。該圖詳細(xì)呈現(xiàn)了 CAF 亞型在多種癌癥組織中的空間分布特點(diǎn)以及與其他細(xì)胞類型的空間關(guān)系。

圖 3：NB 腫瘤樣本的單細(xì)胞測(cè)序分析：

在 GSE137804 scRNA 隊(duì)列中，經(jīng)質(zhì)量控制和 “harmony” 算法去除批次效應(yīng)后，獲得 172,564 個(gè)細(xì)胞（補(bǔ)充圖 S2A、B）；依據(jù)文獻(xiàn)標(biāo)記手動(dòng)注釋 10 種主要細(xì)胞亞型，包括 NE 細(xì)胞、T 細(xì)胞等，并展示各亞型前 5 個(gè)標(biāo)記基因（圖 3A、B）；熱圖可視化標(biāo)記基因，結(jié)合 GO 和 KEGG 術(shù)語功能注釋，驗(yàn)證單細(xì)胞注釋結(jié)果（圖 3C）；“Dimplot” 展示部分標(biāo)記基因表達(dá)水平（圖 3D）；不同 INSS 分期的 NB 患者中，NE 細(xì)胞占主導(dǎo)（圖 3E）；UMAP 視圖展示各細(xì)胞子集分布和細(xì)胞密度（圖 3F）。此圖對(duì) NB 腫瘤樣本進(jìn)行了單細(xì)胞層面的分析，明確了主要細(xì)胞亞型及其標(biāo)記基因和分布特征。

圖 4：鑒定與衰老最相關(guān)的 CAF 亞型 —— 肌成纖維細(xì)胞：

從 NB 單細(xì)胞數(shù)據(jù)篩選 3105 個(gè)成纖維細(xì)胞進(jìn)行 scRNA 分析，質(zhì)量控制和批次效應(yīng)校正良好（補(bǔ)充圖 S2C、D）；基于文獻(xiàn)標(biāo)記手動(dòng)注釋 10 種 CAF 亞型（圖 4A），展示各亞型前 5 個(gè)標(biāo)記基因（圖 4B）；分析不同 INSS 分期中 CAF 亞型組成差異（圖 4C）；7 種 scRNA 評(píng)分算法顯示肌成纖維細(xì)胞與衰老密切相關(guān)，可能是 senes CAFs，且在另外三個(gè)獨(dú)立數(shù)據(jù)集得到驗(yàn)證（圖 4D、E；補(bǔ)充圖 S2G、H）；熱圖和功能注釋驗(yàn)證 CAF 亞型注釋結(jié)果（圖 4F）；發(fā)現(xiàn) iCAFs 標(biāo)記基因在衰老過程中富集；鑒定出 1088 個(gè)顯著的 senes CAF 標(biāo)記（補(bǔ)充表 S4）；不同 CAF 亞型在 INSS 分期上存在偏好（圖 4G）；CytoTRACE 和偽時(shí)間分析表明熱休克蛋白 CAF 可能處于早期狀態(tài)，senes CAF 相對(duì)衰老（圖 4H - J）；SCENIC 分析發(fā)現(xiàn) senes CAFs 中 SRF 基序與細(xì)胞衰老相關(guān)（補(bǔ)充圖 S2I）。該圖成功鑒定出 NB 中與衰老相關(guān)的 CAF 亞型為肌成纖維細(xì)胞，并對(duì)其特征和分化關(guān)系進(jìn)行了深入分析。

圖 5：構(gòu)建和驗(yàn)證診斷 SCRS 以診斷 INSS 4 期 NB：

對(duì)五個(gè) NB 隊(duì)列進(jìn)行批次校正，PCA 圖顯示校正效果良好（補(bǔ)充圖 S3A）；利用 senes CAF 標(biāo)記基因開發(fā)模型，13 個(gè)診斷標(biāo)記基因用于診斷 ML 模型，8 個(gè)預(yù)后標(biāo)記基因用于預(yù)后 ML 模型（補(bǔ)充圖 S3B）；基于留一法交叉驗(yàn)證（LOOCV）框架進(jìn)行 101 種預(yù)后和 113 種預(yù)測(cè) ML 組合，篩選最佳模型（補(bǔ)充圖 S3C）；RF 算法建立的模型在五個(gè)隊(duì)列中平均 AUC 最高（0.862）（圖 5A）；多種評(píng)估指標(biāo)表明 RF 模型是最佳診斷模型（補(bǔ)充圖 S3D、E）；GSE49710 和 E-MTAB 8248 隊(duì)列中，混淆矩陣顯示 SCRS 診斷精度良好（圖 5B、C）；五個(gè)數(shù)據(jù)集的 ROC 曲線顯示 SCRS 區(qū)分能力強(qiáng)（圖 5D）；SCRS 和包含臨床變量的 LR 模型的 AUC 優(yōu)于其他臨床因素（圖 5E）；校準(zhǔn)曲線顯示 SCRS 預(yù)測(cè)概率可靠（圖 5F）；DCA 曲線表明 SCRS 和 LR 模型臨床獲益大（圖 5G）；列線圖可視化診斷 LR 模型輔助臨床決策（圖 5H）；RF 選擇的 11 個(gè)模型基因中，EPN2 影響力最大（圖 5I）。此圖詳細(xì)展示了診斷 SCRS 的構(gòu)建過程和良好的診斷性能，為 INSS 4 期 NB 的診斷提供了有力工具。

圖 6：開發(fā)和驗(yàn)證預(yù)后 SCRS 以預(yù)測(cè) NB 預(yù)后：

SuperPC 構(gòu)建的 ML 組合在五個(gè)隊(duì)列中平均 C 指數(shù)最高（0.763）（圖 6A）；多種指標(biāo)表明 SuperPC 模型在校準(zhǔn)和精度方面表現(xiàn)最佳（補(bǔ)充圖 S3F）；GSE85047 數(shù)據(jù)集中，低風(fēng)險(xiǎn)患者總生存期（OS）和無進(jìn)展生存期（PFS）比高風(fēng)險(xiǎn)患者長（圖 6B、C）；1 - 、3 - 和 5 - 年 OS 的 ROC 曲線顯示 SCRS 特異性良好（圖 6D）；3 - 年 OS 的 AUC 值表明 SCRS 和包含 SCRS 及臨床因素的 cox 回歸模型預(yù)測(cè)預(yù)后更具判別力（圖 6E）；時(shí)間依賴性 ROC 曲線顯示 SCRS 和 cox 回歸模型判別能力優(yōu)于常見臨床因素（圖 6F）；校準(zhǔn)曲線（圖 6G）和 DCA 曲線（圖 6H）表明 SCRS 準(zhǔn)確性和臨床獲益高；多變量 Cox 回歸分析表明 SCRS 風(fēng)險(xiǎn)評(píng)分是獨(dú)立預(yù)后變量（圖 6I）；單變量 Cox 回歸分析展示每個(gè)模型基因的預(yù)后價(jià)值（圖 6J）；SuperPC 選擇的 8 個(gè)模型基因中，CKS2 影響力最大（圖 6K）。該圖充分驗(yàn)證了預(yù)后 SCRS 在預(yù)測(cè) NB 預(yù)后方面的準(zhǔn)確性和可靠性，為 NB 患者的預(yù)后評(píng)估提供了重要依據(jù)。

圖 7：GSE49710 隊(duì)列中 SCRS 模型基因的功能富集分析和景觀：

PCA 分析顯示，由預(yù)后 SCRS 劃分的高、低風(fēng)險(xiǎn)組存在顯著差異（圖 7A）；通過 GO 和 KEGG 數(shù)據(jù)庫對(duì)兩組間差異表達(dá)基因（DEGs）進(jìn)行功能富集分析，發(fā)現(xiàn) DEGs 在 GO 術(shù)語中富集于外動(dòng)粒，在 KEGG 術(shù)語中富集于 DNA 復(fù)制（圖 7B、C）；GSEA 發(fā)現(xiàn)高風(fēng)險(xiǎn)患者中核糖體和運(yùn)動(dòng)蛋白升高，細(xì)胞黏附分子降低（圖 7D、E）；GSVA 分析表明高風(fēng)險(xiǎn)患者在 myc_targets_v1 中升高，在 hedgehog_signaling 中降低（圖 7F）；SCRS 模型基因表達(dá)和臨床因素在兩組間差異明顯，JAK1 在高風(fēng)險(xiǎn)患者中表達(dá)顯著降低，具有預(yù)后保護(hù)價(jià)值（圖 7G）；Spearman 相關(guān)性分析表明 SCRS 模型基因間關(guān)系緊密（圖 7H）；CNV 數(shù)據(jù)顯示 INPP4B 在診斷模型基因中、VGLL4 在預(yù)后模型基因中體細(xì)胞 CNV 頻率最高（圖 7I、J）；描繪 SCRS 模型基因在染色體上的突變位點(diǎn)（圖 7K）。此圖深入分析了 SCRS 模型基因在不同風(fēng)險(xiǎn)組中的功能差異、表達(dá)特征以及與臨床因素的關(guān)系，揭示了其潛在的生物學(xué)機(jī)制。

圖 8：GSE49710 隊(duì)列中不同風(fēng)險(xiǎn)組的腫瘤微環(huán)境（TME）分析：

使用八種免疫算法分析發(fā)現(xiàn)，高風(fēng)險(xiǎn)患者免疫細(xì)胞浸潤顯著低于低風(fēng)險(xiǎn)患者（圖 8A）；Spearman 相關(guān)分析揭示免疫細(xì)胞豐度與 SCRS 風(fēng)險(xiǎn)評(píng)分、模型基因表達(dá)之間的關(guān)聯(lián)（圖 8B）；低風(fēng)險(xiǎn)患者免疫檢查點(diǎn)基因表達(dá)譜更高，對(duì)免疫治療更敏感（圖 8C）；基于免疫功能特征的 ssGSEA 分析顯示低風(fēng)險(xiǎn)組免疫細(xì)胞浸潤更高（圖 8D）；癌癥免疫周期六個(gè)關(guān)鍵步驟的 ssGSEA 結(jié)果表明低風(fēng)險(xiǎn)患者得分更高（圖 8E）；Spearman 相關(guān)分析顯示免疫功能水平與 SCRS 風(fēng)險(xiǎn)評(píng)分呈負(fù)相關(guān)（圖 8F）；利用肌成纖維細(xì)胞標(biāo)記基因進(jìn)行 ssGSEA 及相關(guān)分析，揭示腫瘤微環(huán)境中免疫細(xì)胞與 CAFs 的緊密關(guān)系（圖 8G）；探索風(fēng)險(xiǎn)評(píng)分與癌癥代謝途徑的關(guān)聯(lián)，揭示 SCRS 潛在代謝功能（圖 8H）。該圖全面分析了不同風(fēng)險(xiǎn)組的腫瘤微環(huán)境特征，包括免疫浸潤、免疫功能、免疫檢查點(diǎn)基因表達(dá)以及與代謝途徑的關(guān)系，為理解 SCRS 在腫瘤微環(huán)境中的作用提供了依據(jù)。

圖 9：高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)組之間的體細(xì)胞突變、CNVs、免疫治療和化療景觀：

展示 TARGET 隊(duì)列中高、低風(fēng)險(xiǎn)患者的體細(xì)胞突變景觀（圖 9A、B）；高風(fēng)險(xiǎn)患者腫瘤突變負(fù)荷（TMB）高于低風(fēng)險(xiǎn)患者，但差異不顯著，且 TMB 與 SCRS 風(fēng)險(xiǎn)評(píng)分呈正相關(guān)，差異也不顯著（圖 9C、D）；根據(jù)中位 TMB 分組后生存分析表明，高風(fēng)險(xiǎn)且低 TMB 的患者 OS 和 EFS 最短，低風(fēng)險(xiǎn)且高 TMB 的患者 EFS 最長（圖 9E、F）；TIDE 和 submap 方法評(píng)估顯示，GSE49710 數(shù)據(jù)集中高風(fēng)險(xiǎn)組免疫逃逸可能性大，IMvigor210 數(shù)據(jù)集中低風(fēng)險(xiǎn)且對(duì)免疫治療有反應(yīng)的患者 OS 最長，E-MTAB 8248 數(shù)據(jù)集中低風(fēng)險(xiǎn)患者更可能對(duì)免疫治療有反應(yīng)，低風(fēng)險(xiǎn)組對(duì) CTLA4 抑制劑更敏感，對(duì) PD1 抑制劑不敏感（圖 9G - J）；四個(gè)免疫治療數(shù)據(jù)集中，對(duì)免疫治療有反應(yīng)的患者風(fēng)險(xiǎn)評(píng)分更低（圖 9K）；通過 CTRP 和 PRISM 數(shù)據(jù)庫預(yù)測(cè)出五種對(duì)高風(fēng)險(xiǎn)患者可能有效的化療藥物（圖 9L）。此圖系統(tǒng)分析了高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)組在體細(xì)胞突變、免疫治療反應(yīng)和化療敏感性方面的差異，為 NB 患者的個(gè)性化治療提供了參考。

圖 10：三個(gè) NB 隊(duì)列（GSE49710、E-MTAB 8248、TARGET）中 SCRS 模型基因相關(guān)簇的共識(shí)聚類分析：

對(duì)三個(gè)隊(duì)列進(jìn)行共識(shí)分子聚類，發(fā)現(xiàn) k = 2 時(shí)區(qū)分度最佳（圖 10A）；PCA 分析顯示兩個(gè)簇之間存在顯著差異（圖 10B）；生存分析表明簇 2 的 OS 和 EFS 更短（圖 10C、D）；SCRS 模型基因表達(dá)和臨床變量在兩個(gè)簇之間差異顯著（圖 10E）；對(duì)兩個(gè)簇間 DEGs 進(jìn)行功能富集分析，發(fā)現(xiàn)其在 GO 中富集于負(fù)性 T 細(xì)胞選擇，在 KEGG 中富集于 ABC 轉(zhuǎn)運(yùn)體（圖 10F、G）；GSEA 表明簇 2 中輔因子的生物合成升高，NK - kappa B 信號(hào)通路降低（圖 10H、I）；GSVA 顯示簇 2 在 myc_targets_v2 中升高，在 hedgehog_signaling 中降低（圖 10J）；八種免疫浸潤方法評(píng)估顯示兩個(gè)簇中免疫浸潤存在差異，并描繪每種細(xì)胞類型的 Cox P 值（圖 10K）。該圖通過共識(shí)聚類分析，進(jìn)一步揭示了 SCRS 模型基因相關(guān)簇的特征和差異，為理解 NB 的分子機(jī)制提供了新視角。

圖 11：模型比較和兩個(gè)風(fēng)險(xiǎn)組及兩個(gè)簇的景觀：

比較 SCRS 與 39 個(gè)已發(fā)表的 NB 預(yù)后簽名的 C 指數(shù)，發(fā)現(xiàn) SCRS 在五個(gè) NB 數(shù)據(jù)集中預(yù)測(cè)性能更優(yōu)（圖 11A）；通過 “sankey plot” 展示風(fēng)險(xiǎn)組、簇和臨床因素之間的關(guān)系（圖 11B）；定義 GSE49710 中患者免疫亞型后，發(fā)現(xiàn)不同風(fēng)險(xiǎn)組和簇中免疫亞型比例存在顯著差異，高風(fēng)險(xiǎn)患者和簇 2 中傷口愈合（C1）亞型更多（圖 11C）；比較兩個(gè)風(fēng)險(xiǎn)組臨床因素，發(fā)現(xiàn)低風(fēng)險(xiǎn)患者預(yù)后更長、臨床狀態(tài)更好（圖 11D）。此圖驗(yàn)證了 SCRS 在預(yù)后預(yù)測(cè)方面的優(yōu)勢(shì)，并展示了風(fēng)險(xiǎn)組、簇與臨床因素及免疫亞型之間的關(guān)系。

圖 12：在 GSE137804 scRNA - seq 隊(duì)列中探索 SCRS 模型基因：

通過 scRNA 評(píng)分算法計(jì)算 SCRS 富集分?jǐn)?shù)，發(fā)現(xiàn)高 SCRS 細(xì)胞主要集中在 NE 細(xì)胞中（圖 12A、B）；利用 “scissors” R 包識(shí)別出 2120 個(gè)高 SCRS 細(xì)胞（scissors + 細(xì)胞）和 1875 個(gè)低 SCRS 細(xì)胞（scissors - 細(xì)胞），且 scissors + 細(xì)胞的 SCRS 值顯著高于其他細(xì)胞（圖 12C - E）；Monocle 2 算法進(jìn)行偽時(shí)間軌跡分析，發(fā)現(xiàn)部分 NE 細(xì)胞分化較差，高 SCRS 的 NE 細(xì)胞分化軌跡更早，意味著不成熟 NE 細(xì)胞 SCRS 得分更高（圖 12F - J）；Monocle 3 算法以 NE 細(xì)胞為起點(diǎn)，再次驗(yàn)證不成熟 NE 細(xì)胞 SCRS 得分更高，可能是惡性細(xì)胞（圖 12K）。該圖在單細(xì)胞層面驗(yàn)證了 SCRS 的風(fēng)險(xiǎn)分層能力，揭示了 SCRS 模型基因在不同細(xì)胞中的表達(dá)情況和細(xì)胞分化特征。

圖 13：GSE137804 scRNA - seq 隊(duì)列中 CNV、細(xì)胞間通信和轉(zhuǎn)錄調(diào)節(jié)子的景觀：

inferCNV 分析表明 NE 細(xì)胞中染色體 17q 增益可能是惡性細(xì)胞，高 SCRS 細(xì)胞 CNV 更多（圖 13A、B）；cell chat 分析用 “circle plot” 展示細(xì)胞間通信頻率和強(qiáng)度，以及高、低 SCRS 細(xì)胞的綜合通信網(wǎng)絡(luò)，高 SCRS 細(xì)胞中 B 細(xì)胞、髓細(xì)胞、施萬細(xì)胞和成纖維細(xì)胞間存在過表達(dá)的配體 - 受體對(duì)和通信模式（圖 13C - E）；不同細(xì)胞類型對(duì)高、低 SCRS 細(xì)胞的總信號(hào)、輸入和輸出信號(hào)貢獻(xiàn)不同，巨噬細(xì)胞等細(xì)胞作用顯著（圖 13F、G；補(bǔ)充圖 S3G）；探索 CAF 亞型間通信網(wǎng)絡(luò)，并發(fā)現(xiàn) JAK1 與 NB 中 CAF 亞型通信強(qiáng)度顯著相關(guān)（補(bǔ)充圖 S3H、I）；SCENIC 分析顯示高 SCRS 細(xì)胞中 SMARCA4 和 PBX3 的調(diào)節(jié)子更活躍，低 SCRS 細(xì)胞中 VEZF1 和 PDLIM5 的調(diào)節(jié)子更活躍（圖 13H、I）。此圖從多個(gè)角度展示了高、低 SCRS 細(xì)胞在單細(xì)胞層面的差異，為理解腫瘤微環(huán)境中的細(xì)胞相互作用和調(diào)控機(jī)制提供了依據(jù)

圖 14：樞紐基因 JAK1 的泛癌分析和空間轉(zhuǎn)錄組學(xué)分析：

泛癌分析顯示 JAK1 在 33 種癌癥類型的腫瘤和正常樣本中的表達(dá)存在差異（圖 14A）；JAK1 與 TMB、MSI、免疫細(xì)胞及免疫分?jǐn)?shù)存在關(guān)聯(lián)，表明其在腫瘤微環(huán)境、免疫細(xì)胞浸潤和免疫檢查點(diǎn)方面具有重要意義（圖 14B - F）；Cox 回歸分析表明，JAK1 在 KIRC 中具有保護(hù)預(yù)后價(jià)值，與 NB 相似，在 LUSC 中則具有風(fēng)險(xiǎn)預(yù)后價(jià)值（圖 14G）；對(duì) BRCA、CRC 等多種癌癥類型進(jìn)行空間轉(zhuǎn)錄組學(xué)分析，發(fā)現(xiàn) JAK1 在多數(shù)癌癥類型中與惡性細(xì)胞豐度呈正相關(guān)，在惡性區(qū)域表達(dá)高于正常區(qū)域，但在 LIHC 中呈負(fù)相關(guān)，在惡性區(qū)域表達(dá)低于正常區(qū)域（圖 14H - J；補(bǔ)充圖 S4A - F）。本圖揭示了 JAK1 在泛癌中的表達(dá)異質(zhì)性、與多種因素的關(guān)聯(lián)及在不同癌癥中的預(yù)后價(jià)值和空間表達(dá)特征。

圖 15：通過免疫組織化學(xué)對(duì)樞紐基因 JAK1 的實(shí)驗(yàn)驗(yàn)證：

生物信息學(xué)分析表明，SCRS 中三個(gè)既是診斷模型基因又是預(yù)后模型基因的樞紐基因在 4 期 NB 中表達(dá)顯著較低，且為保護(hù)性預(yù)后基因（圖 15A、B）；免疫組織化學(xué)（IHC）染色結(jié)果顯示，JAK1 蛋白水平在其他階段 NB 組織中顯著高于 4 期 NB 組織（圖 15C、D）；根據(jù) JAK1 的中位 IHC 評(píng)分將 40 例 NB 患者分為高、低表達(dá)組，生存分析顯示高 JAK1 表達(dá)組患者的總生存期（OS）更好，但差異無統(tǒng)計(jì)學(xué)意義（圖 15E）。此圖通過實(shí)驗(yàn)驗(yàn)證了 JAK1 在不同階段 NB 組織中的表達(dá)差異及對(duì)預(yù)后的影響，一定程度上支持了生物信息學(xué)分析的結(jié)果。

研究總結(jié)

本研究圍繞神經(jīng)母細(xì)胞瘤（NB）中衰老相關(guān)癌癥相關(guān)成纖維細(xì)胞（senes CAF）展開，運(yùn)用泛癌單細(xì)胞和空間轉(zhuǎn)錄組分析，結(jié)合多組學(xué)數(shù)據(jù)與機(jī)器學(xué)習(xí)算法，深入探究其分子景觀和臨床意義。研究成功構(gòu)建了 senes CAF 相關(guān)特征（SCRS）模型，經(jīng)多隊(duì)列驗(yàn)證，該模型在診斷 INSS 4 期 NB 和預(yù)測(cè)患者預(yù)后方面表現(xiàn)卓越，優(yōu)于傳統(tǒng)臨床變量和已發(fā)表的 NB 預(yù)后簽名。通過對(duì)不同風(fēng)險(xiǎn)組的分析，發(fā)現(xiàn)低風(fēng)險(xiǎn)組患者生存結(jié)局更好，免疫浸潤豐富，對(duì)免疫治療更敏感。單細(xì)胞分析揭示了 SCRS 模型基因在細(xì)胞層面的特征，如高 SCRS 細(xì)胞多為不成熟的惡性 NE 細(xì)胞。此外，研究還對(duì)樞紐基因 JAK1 進(jìn)行了泛癌分析，發(fā)現(xiàn)其在不同癌癥中的表達(dá)模式、預(yù)后價(jià)值存在差異。盡管研究存在回顧性研究、缺乏部分臨床細(xì)節(jié)等局限性，但 SCRS 模型仍為 NB 的精準(zhǔn)診斷和預(yù)后評(píng)估提供了有力工具，為 NB 的個(gè)性化治療開辟了新方向，也為深入研究 senes CAF 在腫瘤中的作用提供了重要依據(jù) 。