大规模蛋白质组分析揭示早期甲状腺乳头状癌六种临床相关亚型,可用于预后预测
Large-scale proteomic characterization reveals clinically relevant subtypes of early-stage papillary thyroid cancer for prognostic prediction
研究对797例早期甲状腺乳头状癌患者的肿瘤样本进行大规模蛋白质组分析,识别出六种亚型并构建蛋白质组分类框架。这些亚型覆盖从惰性到进展性疾病的异质性,高风险亚型呈现核糖体生成和上皮间质转化特征。结合机器学习与蛋白共表达网络分析,研究还识别出GPX3、TMSB4X等进展风险预测标志物。
已发表论文 · journal · 10.1038/s41467-026-78559-w
本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。
IF(5) 18.9 · 2025 · 期刊参考指标
乳头状甲状腺癌(PTC)的发病率正在上升。大多数患者在早期阶段被诊断,尽管少数表现出侵袭性倾向。鉴于其通常惰性的生物学特性,早期PTC的管理方式,尤其是手术干预和长期监测策略,仍存在争议。在此,我们基于797例患者的肿瘤样本,对早期PTC进行了大规模蛋白质组学表征。蛋白质组学分析揭示了具有临床意义的模块,并鉴定出六个亚型,涵盖了从惰性到进展性疾病状态的异质性谱系。值得注意的是,与较高进展风险相关的亚型表现出增强的核糖体生成和上皮-间质转化特征。此外,通过将机器学习与蛋白质共表达网络分析相结合,我们鉴定了PTC进展风险的预测标志物,如GPX3和TMSB4X。临床数据与蛋白质组学数据的整合为更深入地理解早期PTC生物学提供了宝贵的资源,并可能为惰性或进展性疾病患者的个性化管理策略提供参考。乳头状甲状腺癌(PTC)通常生长缓慢,但部分肿瘤可能具有侵袭性。在此,作者对797例PTC患者的肿瘤进行了分析,定义了六种分子亚型,鉴定了与低风险和高风险疾病相关的蛋白质标志物,并开发了一个可能改善风险分层和治疗决策的蛋白质组学分类框架。
来源:Nature Communications · doi.org