郑 菁,张轶雯,潘宗富
1浙江省医疗健康集团杭州医院药剂科,杭州 310022
2浙江省人民医院 杭州医学院附属人民医院药学部,杭州 310014
3浙江省内分泌腺体疾病诊治研究重点实验室,杭州 310014
子宫内膜癌(uterine corpus endometrial carcinoma,UCEC)是最常见的女性生殖系统恶性肿瘤之一,占女性恶性肿瘤的7%,发病率呈现逐年增高及年轻化趋势[1]。尽管常规临床治疗效果良好,但复发和耐药仍是目前治疗的瓶颈。越来越多的研究表明,UCEC存在一定比例的肿瘤干细胞(cancer stem cells,CSCs),并与肿瘤的发生、发展、转移、复发及耐药密切相关[2- 5]。CSCs具有正常成体干细胞相似的特性,可自我更新、无限增殖以及多向分化,同时亦保留肿瘤细胞的恶性特征。CSCs是UCEC复发及转移的潜在关键细胞群,针对性消除CSCs或抑制CSCs增殖分化可望从根源上提升治疗效果[6- 8]。因此,深入研究UCEC干性特征及调控机制将有助于揭示UCEC的发生、发展机制,并发现潜在治疗靶点。
随着人工智能及深度学习等算法的逐渐成熟与推广,肿瘤干性特征的研究也形成了新的评价方式。干性指数是Malta等[9]于2018年提出用于计算组织样本干性程度的评价模型。通过一类逻辑回归机器学习算法对包含人类干细胞及其分化的3个胚层祖细胞的数据集提取转录组和表观遗传特征集,作者获得基于mRNA表达及DNA甲基化的干性指数(mRNAsi及mDNAsi),并可用于评估CSCs的生物学过程及肿瘤失分化程度。目前,UCEC的干性特征及调控机制仍未完全明确。因此,本研究将基于UCEC转录组测序数据,通过计算不同样本mRNAsi评估……