- 3 次围观
内容形式：摘要译文
动机：肿瘤微环境（tumor microenvironment，TME）决定着癌症的进展及其治疗反应，然而，将TME亚型转化为稳健的临床生物标志物仍面临重大挑战。现有分类模型通常依赖静态基因特征和依赖队列的标准化方法，因此不适用于早期临床试验中常见的小样本、不平衡数据集。为更好地指导药物开发，需要开发能够灵活靶向特定生物学背景的方法，以弥合肿瘤原型的发现与其向单个患者样本稳健转化之间的鸿沟。
结果：我们开发了TumorArchetypeR，这是一款模块化R软件包，将无监督亚型发现与基于排序的单样本分类器构建相结合。通过系统性的参数网格搜索，该框架能够识别稳定且由数据驱动的亚型，而非依赖任意设定的默认参数。尤为重要的是，为确保临床可转化性，该软件包包含一个利用二元基因对规则训练稳健分类器的模块，从而无需进行队列层面的预处理即可实现预测。将TumorArchetypeR应用于结直肠癌后，我们解析了纤维化肿瘤的异质性，区分出免疫抑制性的“免疫富集/纤维化（Immune-enriched/Fibrotic）”状态与免疫排斥性的“纤维化/髓系（Fibrotic/Myeloid）”表型。此外，我们还识别出一种独特的“Th/B细胞富集（Th/B-cell enriched）”肿瘤原型，该原型与更优的生存结局相关，而这一群体在现有泛癌模型中大多未被识别。我们的基于排序的分类器在此前未见过的样本上展现出稳健的性能，这些发现表明，TumorArchetypeR是一种可扩展的端到端解决方案，可用于优化患者分层并改进精准肿瘤学策略。TumorArchetypeR软件包及其文档已在GitHub上公开，网址为：https://github.com/lutgem/TumorArchetypeR。
关键词：肿瘤微环境 · 肿瘤亚型分类 · 单样本分类器 · 基因对排序规则 · 结直肠癌 · R软件包
原文链接：https://www.biorxiv.org/content/10.64898/2026.05.11.724259v1?rss=1