방광암에서 임상 의사 결정을 안내하기 위한 합의 RNA 수정 기반 서명을 개발하기 위한 통합 기계 학습 알고리즘

초록 목표 RNA 수정의 조절 이상은 암의 한 요소로 떠올랐으나, RNA 수정 관련 유전자의 임상적 의미는 여전히 불분명하다. 본 연구는 방광암에서 잘 연구된 RNA 수정 방식(m 6 A, m 1 A, m 5 C 및 m 7 G)에 초점을 맞추고, 합의 RNA 수정 기반 서명을 설정하기 위한 기계 학습 기반 통합 접근 방식을 제안하였다. 방법 여러 공개 방광암 코호트가 포함되었다. 합의 군집 분석을 통해 새로운 RNA 수정 기반 분류가 제안되었다. RNA 수정 관련 유전자는 이후 WGCNA를 통해 선택되었다. 합의 RNA 수정 기반 서명을 구축하기 위해 기계 학습 기반 통합 프레임워크가 구현되었다. 결과 대부분의 RNA 수정자는 다중 오믹스 수준에서 방광 종양에서 조절 이상이 있었다. 다양한 예후 결과를 가진 두 개의 RNA 수정 클러스터가 확인되었다. 예후 추정에서 안정적이고 강력한 효능을 보인 합의 RNA 수정 기반 서명이 수립되었다. 특히, 이 서명은 기존의 임상 지표보다 우수하였다. 고위험 종양에서는 종양 생성 경로의 활성화가 나타났고, 저위험 종양에서는 대사 경로의 활성화가 관찰되었다. 저위험 그룹은 면역 체크포인트 억제에 더 민감하였으며, 고위험 그룹은 시스플라틴 및 파클리탁셀에 대한 높은 민감성을 보였다. 서명의 유전자: AKR1B1, ANXA1, CCNL2, OAS1, PTPN6, SPINK1 및 TNFRSF14는 방광 종양의 특정 T 림프구에서 단일 세포 수준에서 특별히 발현되어, T 세포 매개 항종양 면역에 잠재적으로 참여할 수 있다. 이들은 전사적 및 포스트 전사적으로 조절되었으며, 잠재적으로 실행 가능한 치료 타겟이 될 수 있다. 결론 전반적으로 합의 RNA 수정 기반 서명은 개별 방광암 환자의 임상 의사 결정을 개선하기 위한 신뢰할 수 있고 희망적인 도구로 작용할 수 있다.