Introdução: Os neutrófilos desempenham um papel fundamental no microambiente tumoral (TME); no entanto, suas funções no glioblastoma (GBM) são negligenciadas e insuficientemente estudadas. Uma análise detalhada das subpopulações de neutrófilos associados ao GBM (GBMAN) pode oferecer novos insights e oportunidades para a imunoterapia com GBM.
Métodos: Analisamos dados de sequenciamento de RNA de célula única (scRNA-seq) de 127 amostras GBM do tipo selvagem de isocitrato desidrogenase (IDH) para caracterizar os subgrupos GBMAN, enfatizando trajetórias de desenvolvimento, comunicação celular e redes transcricionais. Implementamos 117 combinações de aprendizado de máquina para desenvolver um novo modelo de risco e comparamos seu desempenho com os modelos de glioma existentes. Além disso, avaliamos as características biológicas e moleculares dos subgrupos GBMAN em pacientes.
Resultados: A partir de dados integrados de scRNA-seq em grande escala (498.747 células), identificamos 5.032 neutrófilos e os classificamos em quatro subtipos distintos. VEGFA+GBMAN exibiu características de resposta inflamatória reduzidas e uma tendência a interagir com as células estromais. Além disso, essas subpopulações exibiram diferenças significativas na regulação da transcrição. Também desenvolvemos um modelo de risco denominado “assinatura relacionada a VEGFA+Neutrophilrelated signature” (VNRS) usando métodos de aprendizado de máquina. O modelo VNRS mostrou maior precisão do que os modelos de risco publicados anteriormente e foi um fator de prognóstico independente. Além disso, observamos diferenças significativas nas respostas imunoterápicas, interações TME e eficácia da quimioterapia entre grupos de pontuação VNRS de alto e baixo risco.
Conclusão: Nosso estudo destaca o papel crítico dos neutrófilos no TME do GBM, permitindo uma melhor compreensão da composição e das características do GBMAN. O modelo VNRS desenvolvido serve como uma ferramenta eficaz para avaliar o risco e orientar estratégias de tratamento clínico para GBM.
Número do ensaio clínico: Não aplicável.
Palavras-chave: Glioblastoma; heterogeneidade; aprendizado de máquina; neutrófilo; sequenciamento de RNA unicelular.
