Одноклеточный анализ с применением HdWGCNA выявляет макрофаги, препятствующие метастазированию, и позволяет разработать модель глубокого обучения при увеальной меланоме

Введение: Несмотря на определённый прогресс в лечении первичной увеальной меланомы (UVM), отдалённые метастазы остаются ведущей причиной смерти пациентов. Единых подходов к наблюдению, стадированию и лечению метастатического заболевания пока не существует. Хотя более половины метастатических опухолей (62%) выявляют в течение 5 лет после лечения первичной опухоли, остальные обнаруживают лишь в последующие 25 лет. Механизмы метастазирования UVM и его влияние на прогноз изучены недостаточно.

Методы: Были получены и обработаны данные одноклеточного секвенирования РНК образцов UVM, после чего проведены идентификация типов клеток и характеристика субпопуляций макрофагов. Для выявления ключевых генных модулей, связанных с макрофагами, ассоциированными с защитой от метастазирования (MPMφ), в первичных образцах выполнен анализ высокоразмерной взвешенной сети коэкспрессии генов (HdWGCNA), а также проведён функциональный анализ. С использованием генных сигнатур MPMφ выполнены кластеризация методом неотрицательной матричной факторизации (NMF) и анализ инфильтрации иммунными клетками. На основе выявленных генов, связанных с макрофагами, ассоциированными с защитой от метастазирования (MPMRGs), разработаны модели машинного обучения для различения пациентов с первичной и метастатической опухолью. На основе MPMRGs и связей с типами клеток построена свёрточная нейронная сеть (CNN) для глубокого обучения. Наконец, с использованием MPMRGs разработана прогностическая модель, валидированная в независимых когортах.

Результаты: Одноклеточный анализ РНК выявил различия в иммунном микроокружении первичных и метастатических образцов, включая обогащение макрофагами в первичных образцах. С помощью HdWGCNA были идентифицированы MPMφ и маркерные гены. Функциональный анализ показал обогащение генов, связанных с процессингом антигенов и иммунным ответом. Модели машинного и глубокого обучения, основанные на ключевых генах, эффективно различали пациентов с первичной и метастатической опухолью. Прогностическая модель на основе ключевых генов продемонстрировала значимую способность предсказывать выживаемость пациентов с UVM.

Выводы: В исследовании выявлены ключевые субпопуляции макрофагов, связанные с метастатическими образцами и существенно влияющие на формирование опухолевого иммунного микроокружения. Прогностическая модель на основе генов макрофагов может использоваться для оценки прогноза у пациентов с UVM.