Machine learning-driven dissection of the obesity-ccRCC interface: FCGR2A emerges as a central coordinator of tumor-immune crosstalk
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Introduction: Obesity is a well-established risk modifier for clear cell renal cell carcinoma (ccRCC), yet the molecular mechanisms linking these conditions remain incompletely characterized. Methods: We developed a dual-disease analytical framework integrating transcriptomic harmonization (5 ccRCC cohorts, n=876; obesity adipose profiles) with machine learning. Advanced batch correction (ComBat/sva), differential expression analysis (limma, FDR<0.05), and protein interaction networks (STRING/Cytoscape) identified shared signatures. Single-cell validation (GSE159115) and drug repurposing (DSigDB) were employed. Results: Cross-platform harmonization identified 130 co-dysregulated genes enriched in myeloid immune functions, with FCGR2A emerging as the central hub gene exhibiting robust diagnostic power (AUC=0.998 for tumor staging), significant overexpression in ccRCC versus normal epithelium (3.1-fold, p=0.002), and specific localization to M2 macrophages in single-cell analyses (log₂FC=4.6, adj.p=1.3×10⁻⁷). The optimized machine learning model (glmBoost+Stepglm) generated a parsimonious 14-gene signature demonstrating exceptional cross-cohort accuracy (mean AUC=0.991), while pharmacological screening prioritized kinase inhibitors (e.g., dasatinib, p=2.1×10⁻⁸) and immunomodulators as therapeutic candidates. Discussion: Our study establishes FCGR2A-mediated myeloid reprogramming as a critical interface between metabolic dysfunction and ccRCC progression, serving as both a prognostic biomarker and therapeutic target. This dual-disease modeling paradigm provides actionable insights for precision management of obesity-associated malignancies.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Machine learning-driven dissection of the obesity-ccRCC interface: FCGR2A emerges as a central coordinator of tumor-immune crosstalk
- Date Crossref
- 22/10/2025
- Éditeur
- Frontiers Media SA
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Harbin Medical University Department of Urology pays non établi dans la noticeUniversité ou école supérieure
-
First Affiliated Hospital of Harbin Medical University pays non établi dans la noticeÉtablissement de santé
-
Qiqihar Medical University pays non établi dans la noticeUniversité ou école supérieure
-
Qujiang People's Hospital pays non établi dans la noticeÉtablissement de santé
-
The Third Affiliated Hospital of Qiqihar Medical College Department of Urology pays non établi dans la noticeUniversité ou école supérieure
-
Nehe City People's Hospital Department of Urology pays non établi dans la noticeÉtablissement de santé
Department of Urology — Harbin Medical University, First Affiliated Hospital of Harbin Medical University et Qiqihar Medical University, avec 3 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.