近日，实验室在在《Briefings in Bioinformatics》上发表了题为Deciphering cell states and the cellular ecosystem to improve risk stratification in acute myeloid leukemia的文章。实验室团队针对急性髓系白血病（AML）的诊疗提出了基于AML细胞生态系统构建诊断标志物的方案（AML cellular ecosystem, 或ACE方案），通过系统解析白血病细胞和免疫细胞的异质性，发现白血病细胞和免疫细胞状态的共富集模式，进一步使用机器学习算法构建AML预后模型ACEsig（图1）。
图1. ACE方案流程图
如图2，生存分析结果显示，ACEsig预测为高风险患者（ACEsigHi）的生存时间显著低于低风险患者（ACEsigLo）。并且，ACEsig将细胞遗传学分类为中风险组进一步分成预后显著不同的两组。与以前的研究相比，ACEsig的预测准确性（C-index=0.647）高于其他预后模型。
图2. ACEsig性能评估
该工作由厦门大学生命科学学院博士生张哲阳和硕士生唐荣涵完成主要研究工作，厦门大学生命科学学院童梦莎助理教授、福建医科大学附属协和医院李乃农教授和厦门大学生命科学学院黄佳良教授，为本文共同通讯作者。
