科技日报沉阳7月13日电（记者郝晓明）记者从中国科学院大连化学物理研究所获悉，朴海龙研究员团队采用基于生物信息学和机器学习的方法代谢物-蛋白质相互作用。角色网络和癌症多组学数据定义了代谢显着差异的肝癌亚型，揭示了不同肝癌亚型在预后、免疫、肿瘤微环境和甲基化调控等方面的生物学特征。肝癌精准医疗提供了重要线索。相关研究成果近期发表在《Advanced Science》上。

癌细胞的独特标志是通过调节能量和营养代谢，代谢重编程可以促进细胞的快速生长和增殖。其作用不仅体现在代谢途径的变化上，还体现在其他细胞或组织通过复杂的代谢物-蛋白质相互作用的生物学过程中。本研究中，研究团队基于代谢物-蛋白质相互作用网络和肝癌多组学数据，综合运用复杂网络和机器学习分析方法，识别出两种疾病预后差异显着的肝癌亚型。

研究发现，在代谢方面，预后较差的肝癌亚型主要与代谢环境缺氧、代谢酶高甲基化、多种代谢途径下调、a各种脂肪酸。同时，许多与机体免疫相关的通路在预后较差的亚型中呈现出明显的上调趋势。该团队通过观察和分析代谢物-蛋白质相互作用，预测不饱和脂肪酸对多种免疫调节蛋白有潜在影响，不饱和脂肪酸的积累可能是免疫通路上调的原因之一。这些肝癌亚型及其生物学特征已在多个独立的肝癌队列中得到验证。

此外，研究人员还利用肝癌细胞系通过转录组学和代谢组学实验验证了研究中的计算分析结果。