基于单细胞RNA测序与bulk RNA测序数据构建胰腺导管腺癌预后及免疫治疗反应预测的新型CAF相关基因特征

《Frontiers in Pharmacology》:A novel CAF-related gene signature for prognostic and immunotherapy response prediction in PDAC based on single-cell RNA-seq and bulk RNA-seq data

【字体: 大 中 小 】 时间:2026年10月09日 来源:Frontiers in Pharmacology 5.4

编辑推荐:

  越来越多的证据表明,癌症相关成纤维细胞(cancer-associated fibroblasts,CAFs)促进肿瘤进展,营造免疫抑制微环境,并推动对免疫治疗的耐药性。然而,CAF相关基因特征在胰腺导管腺癌(pancreatic ductal adenoca

  
越来越多的证据表明,癌症相关成纤维细胞(cancer-associated fibroblasts,CAFs)促进肿瘤进展,营造免疫抑制微环境,并推动对免疫治疗的耐药性。然而,CAF相关基因特征在胰腺导管腺癌(pancreatic ductal adenocarcinoma,PDAC)中仍很大程度上未被探索。在本研究中,研究人员构建了一个九基因CAF相关特征,并发现其与不同队列中PDAC患者的预后密切相关。随后,研究人员发现该CAF相关基因特征与基因组改变景观、免疫浸润景观及免疫治疗反应性相关联。GJB2在该CAF相关基因特征中具有最高的系数,因此研究人员探讨了GJB2在CAFs与PDAC细胞相互作用中的作用。结果显示,来自GJB2敲低组的条件培养基(conditioned medium,CM)可抑制PANC1和MIAPaCa-2细胞的恶性表型。总之,该CAF相关基因特征有助于PDAC患者的预后预测和精准治疗。
一、研究背景与研究意义
胰腺导管腺癌(pancreatic ductal adenocarcinoma,PDAC)是人类最具侵袭性的恶性肿瘤之一,预计到2040年将成为癌症相关死亡的第二大原因。由于早期诊断困难、发病机制不清以及治疗手段有限,PDAC患者的预后极不理想。近年来,组学技术的快速发展为理解PDAC提供了新的视角,一系列基于组学数据的多基因特征被开发用于预测PDAC预后。
肿瘤微环境(tumor microenvironment,TME)包含多种细胞组分,它们之间的相互作用被认为促进了多种癌症的进展。癌症相关成纤维细胞(cancer-associated fibroblasts,CAFs)是PDAC基质细胞中高度丰富且至关重要的成分。CAFs来源于多种细胞类型,包括成纤维细胞或星状细胞(stellate cells,PSCs)、间充质干细胞(mesenchymal stem cells,MSCs)或单核细胞、周细胞、癌细胞等,并可被分为多个功能不同的亚群。越来越多的证据表明,CAFs在营造免疫抑制微环境和导致治疗耐药方面发挥关键作用。因此,CAFs对于癌症患者的预后预测非常有帮助,靶向CAFs是一种新的癌症治疗策略。
尽管已有一些生物信息学分析研究了PDAC中CAFs的亚群,但这些数据来源于bulk RNA-seq而非scRNA-seq。scRNA-seq能够在单细胞水平进行RNA分析,揭示细胞间异质性并提供更精确的生物学信息。基于此,研究人员利用scRNA-seq数据结合bulk RNA-seq数据,旨在构建一个更精确的CAF相关基因特征,用于PDAC的预后预测和精准治疗。
二、主要技术方法概述
研究人员从GEO数据库获取scRNA-seq数据(GSE212966)和bulk RNA-seq数据(GSE28735),并从TCGA数据库获取临床信息、SNV和CNV数据,验证数据来自ArrayExpress数据库(E-MTAB-6134)和ICGC数据库(PACA-AU)。使用Seurat包整合、缩放、聚类和可视化scRNA数据,并通过ACT2、PDGFRA、PDGFRB和NOTCH3注释CAF细胞。通过取scRNA标记基因与bulk RNA-seq差异表达基因的交集,经单变量Cox筛选和LASSO-Cox回归构建九基因CAF相关风险评分模型。采用CIBERSORT、quanTIseq、MCP-counter和Scaden四种工具评估免疫细胞浸润状态,并在IMvigor210和GSE78220队列中验证免疫检查点阻断治疗反应性。
三、研究结果
确认CAFs:通过scRNA数据分析,从GSE212966数据集中识别出31个细胞簇,进一步降维后获得7个CAF相关簇。模块评分分析显示,簇4和5富集炎症性CAF(inflammatory CAF,iCAF)特征,簇0、2、6富集肌成纤维细胞样CAF(myofibroblastic CAF,myCAF)特征。拷贝数变异(copy number variation,CNV)分析将7个CAF簇细胞分为恶性和非恶性细胞,簇2显示出更高的恶性细胞比例。KEGG分析显示7个CAF簇呈现功能异质性,簇2主要参与致癌通路,包括MAPK信号通路、TNF信号通路和cGMP-PKG信号通路。
CAF簇的预后分析:通过计算各CAF簇前5个标记基因的ssGSEA评分,研究发现簇0、1、4和6的高CAF评分组患者预后较差,而簇5的低CAF评分组预后较差,簇2和3与预后无显著相关性。
确认CAF相关基因特征:通过取scRNA标记基因与GSE28735差异表达基因的交集获得116个CAF相关差异表达基因,经单变量Cox回归筛选出11个预后相关基因,再经LASSO-Cox回归最终构建包含GJB2、SULF1、LMO3、AHNAK2、PLAT、FOSB、NT5E、CLPS和ADAMTS12的九基因CAF相关风险评分模型。在TCGA训练集、E-MTAB-6134和PACA-AU验证集中,低风险组患者均具有更好的预后,ROC曲线显示该模型具有良好的预测性能(TCGA队列中1年AUC为0.70,3年为0.79,5年为0.89)。
CAF相关基因特征与多组学改变的相关性:高风险组中KRAS、TP53、SMAD4和CDKN2A的突变频率更高,染色体臂扩增或缺失的频率也更高,表明高染色体不稳定性。
CAF相关基因特征与通路的关系:风险基因(GJB2、SULF1、LMO3、AHNAK2、PLAT)主要与癌症相关通路相关,而保护性基因(NT5E、CLPS、ADAMTS12)主要与非肿瘤通路如柠檬酸循环/TCA循环和氧化磷酸化相关。
CAF相关基因特征与免疫的关系:四种算法一致显示,高风险组中CD4+T细胞、CD8+T细胞和淋巴细胞减少,T细胞细胞毒性和浸润的降低可能导致高风险组患者预后不良。
CAF相关基因特征与免疫检查点阻断治疗反应性的关系:在IMvigor210和GSE78220队列中,高风险组患者预后更差,疾病进展/稳定(progressive disease/stable disease,PD/SD)患者的风险评分高于完全缓解/部分缓解(complete response/partial response,CR/PR)患者,高风险组中PD/SD的比例更高,表明高风险组患者对不同癌症的免疫治疗反应性较差。
GJB2在CAFs与PDAC细胞相互作用中的生物学功能:GJB2在CAFs中的表达水平高于正常组织相关成纤维细胞(normal tissue associated fibroblasts,NAFs)。敲低CAFs中的GJB2后,收集的条件培养基处理PANC-1和MIAPaCa-2细胞,结果显示细胞增殖受到抑制(CCK-8和EDU实验),迁移能力受到抑制(伤口愈合实验和Transwell实验)。
四、讨论与结论
研究表明,CAFs是TME的关键组成部分,可为肿瘤细胞创造支持性环境,促进转移、治疗耐药、休眠和再激活。本研究利用scRNA-seq数据识别出7个CAF簇,并构建了一个稳健可靠的九基因CAF相关特征,其中GJB2、SULF1、LMO3、AHNAK2和PLAT作为风险因子,FOSB、NT5E、CLPS和ADAMTS12作为保护因子。风险基因主要与癌症通路相关,而保护基因主要与代谢通路相关。生存曲线和ROC曲线表明该风险评分在不同队列中均具有良好的预后预测性能。免疫浸润分析和免疫治疗数据集验证显示,低风险组患者可能从免疫检查点阻断(immune checkpoint blockade,ICB)治疗中获益更多。GJB2作为模型中系数最高的基因,在CAFs中高表达,敲低CAFs中的GJB2可抑制PDAC细胞的增殖和迁移,表明GJB2可影响CAFs与PDAC细胞之间的相互作用。
研究结论:研究人员构建了一个具有巨大临床应用潜力的CAF相关基因特征,可用于PDAC患者的预后预测和精准治疗。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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