神经内分泌：聚焦难治性肿瘤

主要观点总结

本文介绍了华中科技大学团队发表在Theranostics上的分析文章，该文章为研究神经内分泌前列腺癌（NEPC）提供了一种有价值的工具。文章背景介绍了前列腺癌(PCa)的发展，以及NEPC的特性和诊断挑战。研究通过收集和分析转录组数据，构建了一个稳健的NEPC风险预测模型NEPAL。NEPAL可以准确预测NEPC风险，描绘PCa进展路径，并在实验模型和患者数据中验证其实用性。此外，NEPAL还揭示了NEPC的遗传和非遗传驱动因素，并推出了一个R软件包以方便用户应用。

关键观点总结

关键观点1: 文章背景介绍

介绍了前列腺癌(PCa)的发展，以及神经内分泌前列腺癌（NEPC）的特性和诊断挑战。

关键观点2: NEPAL模型的构建和验证

通过收集和分析转录组数据，结合多种策略（包括scRNA-seq和bulk RNA-seq）和机器学习算法，构建了一个稳健的NEPC风险预测模型NEPAL。该模型在多个数据集上进行了验证，表现出卓越的预测能力。

关键观点3: NEPAL在描绘PCa进展路径中的应用

NEPAL能够描绘PCa的进展路径，揭示NEPC细胞的异质性，并与伪时间分析相结合，预测NEPC的进展。

关键观点4: NEPAL在实验模型中的应用

NEPAL成功应用于PCa实验模型的转录组图谱，包括人类PCa细胞系、PDX肿瘤和小鼠模型，显示出强大的预测能力。

关键观点5: NEPAL的预后价值和生物学相关性

NEPAL在多个独立数据集中表现出强大的预后价值，能够预测治疗反应和细胞特征，与其他预后模型相比具有更高的准确性。

关键观点6: NEPC的非遗传驱动因素的研究

NEPAL揭示了NEPC的非遗传驱动因素，包括表观遗传调节因子和转录因子的作用，为理解NEPC的发病机理提供了新的线索。

关键观点7: NEPAL的实用性和便利性

为了方便用户应用，推出了一个R软件包NEPAL，集成了多种工具和算法，支持批量转录组数据和scRNA-seq数据的分析。