利用基于机器学习的无标记拉曼光谱技术,对源自人胰腺星形细胞的炎症相关和肌成纤维细胞癌相关成纤维细胞亚型进行分子谱分析

《BIOMATERIALS RESEARCH》:Molecular Profiling of Inflammatory and Myofibroblast Cancer-Associated Fibroblast Subtypes Derived from Human Pancreatic Stellate Cells Using Machine Learning-Based Label-Free Raman Spectroscopy

【字体: 大 中 小 】 时间:2025年12月10日 来源:BIOMATERIALS RESEARCH 9.6

编辑推荐:

  本研究利用拉曼光谱结合机器学习算法,首次实现了无标记、非侵入性区分胰腺癌相关纤维母细胞亚型(iCAF和myCAF)。通过转录组学验证,发现iCAF高表达炎症相关基因IL6和CXCL12,myCAF则显著上调ECM相关基因MMP11和POSTN。拉曼光谱特征分析显示,iCAF在700-800 cm?1和1200-1400 cm?1区域强度显著高于其他组,而myCAF在680 cm?1(鸟嘌呤信号)和1,175 cm?1(胞嘧啶信号)呈现独特模式。经PLS-DA模型验证,分类准确率达95%,同时脂质组学分析发现iCAF中鞘磷脂和磷脂酰乙醇胺含量较myCAF高3-4倍。这些发现为开发基于拉曼光谱的胰腺癌靶向治疗提供了新策略。

  
本研究聚焦于胰腺癌相关成纤维细胞(CAFs)亚型的非侵入性鉴别技术,通过拉曼光谱与多组学分析揭示了其分子分型特征及功能差异。研究团队采用人源胰腺间充质干细胞(HPaSC)为模型,通过诱导分化形成典型CAFs亚型——炎症型(iCAF)与肌成纤维细胞样型(myCAF),并构建了基于拉曼光谱和机器学习的鉴别体系。研究显示,结合部分最小二乘回归(PLS-DA)分析,HPaSC、iCAF、myCAF三组细胞可通过特征拉曼峰实现95%的分类准确率,其中iCAF在2,896 cm?1(脂肪酸链振动)和2,910 cm?1(甲基对称振动)等脂质代谢相关峰位呈现显著增强,而myCAF则在680 cm?1(鸟嘌呤环振动)和1,175 cm?1(胞嘧啶/鸟嘌呤振动)等核酸相关峰位存在特异性变化。

在分子机制层面,转录组学分析发现iCAF高表达IL-6、CXCL12等炎症因子,其脂质代谢相关基因(如PLA2G2A、CDKN2A)表达量提升3-5倍;而myCAF则呈现ACTA2、MMP11等肌成纤维细胞特异性基因上调,并伴随COL1A1等胶原蛋白合成基因的显著增强。脂质组学验证进一步显示,iCAF亚型中鞘磷脂(sphingomyelin)和磷脂酰乙醇胺(PE)含量较对照组提升2.8倍,而 Ceramide(14:0和16:0)在iCAF中富集程度达68.9%,显著高于myCAF的42.3%。这种脂质代谢的差异化特征与拉曼光谱中2,800-3,000 cm?1区域的信号强度变化高度吻合。

研究创新性地将空间转录组学技术与拉曼成像结合,发现iCAF主要分布于肿瘤边缘免疫细胞聚集区,而myCAF则紧密接触癌细胞的血供区域。这种空间分布差异与代谢特征形成互补验证:iCAF高表达的CXCL12和IL-6具有趋化免疫细胞功能,其脂质代谢特征支持炎症微环境构建;myCAF分泌的MMP11和COL1A1则促进ECM重构和肿瘤侵袭。通过PLS-DA模型提取的VIP值>1.0的特征峰达12个,其中8个与脂质代谢直接相关,3个涉及核酸结构,形成多维度鉴别指标。

在技术验证方面,研究采用5折交叉验证消除样本量限制(n=8-12),模型在训练集与测试集均保持>90%的准确率。值得注意的是,当使用临床样本进行空间转录组学分析时,发现约23%的CAFs呈现混合表型,其拉曼光谱特征介于iCAF和myCAF之间,提示可能存在更复杂的亚型分布。这为后续研究提供了重要方向——需开发多参数融合的鉴别模型以应对临床样本的异质性。

临床应用价值体现在两方面:首先,拉曼光谱技术可实现活体细胞或组织切片的原位鉴别,避免传统荧光标记对细胞代谢的干扰。其次,基于代谢特征(如鞘磷脂/胆固醇比)的亚型分类,为靶向治疗提供了新靶点。例如,iCAF高表达的CXCL12可能成为免疫检查点抑制剂的作用靶点,而myCAF分泌的MMP11则可能通过阻断基质金属蛋白酶调控成为抑制肿瘤侵袭的新方向。

研究局限性主要集中于细胞来源的单一性(HPaSC细胞系)和体外模型的体内转化差异。后续研究建议采用临床队列中的原代CAFs进行验证,并建立动态代谢组学与拉曼光谱的关联模型。此外,脂质组学分析发现iCAF中花生四烯酸(arachidonic acid)浓度达对照组的4.7倍,提示可能通过花生四烯酸代谢途径调控肿瘤微环境,这一发现值得深入探索。

该技术框架的可扩展性体现在:通过优化激光波长(532nm→785nm)和成像分辨率(从1μm提升至500nm),可进一步区分亚型间的细微代谢差异;结合人工智能的迁移学习功能,未来可开发适用于不同器官来源CAFs的通用分析模型。在胰腺癌治疗领域,该技术有望实现CAFs亚型的实时监测与动态评估,为个性化治疗提供精准的生物标志物指导。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号