Multi-dimensional omics integrated machine learning framework identifies macrophage-fibroblast-tumor co-infiltration patterns to predict prognosis in gastric cancer
研究背景
胃癌（GC）高度异质，发生腹膜转移（GCPM）时治疗难、预后差。传统治疗因腹膜转移灶基质纤维化和肿瘤微环境（TME）免疫抑制而疗效有限。本研究聚焦GC中特定空间细胞共浸润模式及其预后价值、分子机制，并构建模型精准预测预后。
方法速览
研究整合单细胞转录组学、空间转录组学、多重免疫荧光和深度学习等技术。用ESTIMATE算法评估基质和免疫评分，Masson染色验证纤维化；空间转录组识别MFM共浸润模式，CellTrek算法整合数据揭示细胞共定位；NicheNet和COMMOT算法分析信号通路；基于H&E染色图像和转录组数据训练深度学习模型。
主要发现
-
MFM共浸润模式与预后：通过空间转录组分析识别出MFM模式，在GC原发灶和转移灶均存在。该模式中巨噬细胞和成纤维细胞围绕肿瘤细胞，阻碍CD8⁺ T细胞浸润。MFM模式高浸润患者生存期更短、肿瘤分期更高。
-
核心细胞组成：单细胞分析显示，ACTA2⁺ myCAFs在腹膜转移灶占比高，与不良预后相关，参与肌生成等通路；DAB2⁺ TAMs在原发和转移灶富集，具M2型极化特征，是巨噬细胞分化终点，与免疫检查点分子正相关。
-
细胞共定位与功能协同：ACTA2⁺ myCAFs和DAB2⁺ TAMs在GC组织中空间共定位，共浸润水平与不良预后相关，ACTA2⁺ myCAFs高浸润激活肿瘤侵袭和免疫逃逸通路。
-
信号轴调控作用：PLAU - PLAUR信号轴在MFM模式形成和维持中起核心调控作用，外源性PLAU处理增强GC细胞增殖等能力。
-
深度学习模型：开发的Gastric - Discovery模型从H&E染色切片识别MFM模式，分类性能优异，泛化能力好。
总结展望
本研究首次揭示GC中MFM共浸润模式作用，开发深度学习识别工具，为GC精准分层和个体化治疗提供新思路。但PLAU - PLAUR信号轴机制、模型泛化能力及MFM模式在不同亚型中的异质性和治疗反应影响仍待深入研究。
我可以帮你把这两篇研究的核心方法和结论整理成对比表格，方便快速对比两者的技术路线和创新点，需要吗？