编辑推荐：
为探究去泛素化（DUB）基因在卵巢癌中的作用，扬州大学附属医院研究人员整合单细胞 RNA 测序和批量转录组数据开展研究。结果发现卵巢癌肿瘤微环境存在 8 种细胞亚型，构建的 DUB 相关风险签名（DRS）模型有预后价值，有助于指导个性化治疗。
卵巢癌作为妇科常见恶性肿瘤，严重威胁女性生命健康。据统计，2022 年全球卵巢癌新发病例占所有癌症的 3.4%，死亡病例占 4.8% 。由于早期诊断困难和肿瘤异质性，卵巢癌患者预后较差。在肿瘤发生发展过程中，蛋白质的泛素化和去泛素化起着关键作用，去泛素化酶（DUBs）在肿瘤微环境中的功能多样，但在卵巢癌不同细胞群体中去泛素化的具体作用却知之甚少。同时，随着高通量测序技术和多组学数据的积累，传统研究方法难以深入解析复杂的生物学数据，而机器学习在筛选和验证预后生物标志物方面展现出巨大潜力。在此背景下，扬州大学附属医院的研究人员开展了相关研究，旨在揭示去泛素化基因在卵巢癌中的作用机制，寻找潜在的生物标志物和治疗靶点。该研究成果发表于《Discover Oncology》，为卵巢癌的诊疗提供了新的思路和方向。
研究人员为了深入探究卵巢癌中去泛素化基因的作用，采用了多种关键技术方法。首先，从公共数据库获取 8 例卵巢癌单细胞 RNA 测序（scRNA-seq）样本和批量转录组数据，其中批量转录组数据来自癌症基因组图谱（TCGA）数据库和基因表达 omnibus（GEO）数据库。利用 Seurat R 包对 scRNA-seq 数据进行标准化、变量特征筛选、主成分分析（PCA）等预处理，并通过 Harmony R 包消除批次效应。对于批量转录组数据，进行对数转换和批次效应校正。此外，运用 CellChat 分析细胞间通讯，通过多种机器学习算法构建预后签名模型，最后使用 R 软件进行统计分析。
研究结果主要包含以下几个方面：
- 样本整合、细胞聚类和注释：对 8 个 scRNA-seq 样本进行处理后得到整合数据集，经 Seurat 分析识别出 24 个细胞簇。通过观察 16 种常见标记基因的表达，结合机器学习注释，确定了 8 种细胞类型，包括 B 细胞、上皮细胞、NK/T 细胞、内皮细胞、髓样细胞、成纤维细胞、调节性 T 细胞（Treg 细胞）和肥大细胞 。
- 去泛素化基因的活性评分：从 Genecard 数据库筛选出 245 个去泛素化基因，利用 AUCell 对细胞进行评分。发现髓样细胞和 T 细胞中去泛素化基因活性较高，上皮细胞中较低。以中位数分数为界划分细胞后，DUB-high 细胞主要存在于髓样细胞，DUB-low 细胞主要存在于上皮细胞 。
- DUB-high 和 DUB-low 细胞的转录组异同：对比 DUB-high 和 DUB-low 细胞，发现 DUB-high 细胞中肿瘤相关通路显著上调，如异体排斥、干扰素 γ 反应、IL6-JAK-STAT3 信号通路等。不同细胞亚型间，B 细胞与内皮细胞转录组相关性较高，DUB-high 和 DUB-low 细胞中各细胞亚型的相关性存在差异。此外，Treg 细胞在 DUB-high 组富集，上皮细胞在 DUB-low 组富集 。
- 两组细胞间通讯的差异：细胞通讯分析显示，DUB-high 细胞的细胞间相互作用数量和强度均高于 DUB-low 细胞。在 DUB-high 细胞中，成纤维细胞的外向相互作用最强，髓样细胞的内向相互作用最强。同时，发现了一些在两组细胞中存在差异的关键信号通路，如 MK、SPP1 等在 DUB-high 细胞中显著上调 。
- 批量转录组分析和预后签名的构建：整合 scRNA-seq 数据和批量转录组数据，经单变量 COX 回归分析确定 23 个预后相关基因。通过 101 种机器学习算法评估这些基因，最终选择 RSF + Ridge 模型。该模型在多个数据集上显示，高风险组患者预后明显差于低风险组，具有良好的预后预测价值 。
- 免疫微环境和 DRS：根据 DRS 将样本分为高、低风险组，PCA 分析显示两组样本明显分离。免疫浸润分析表明，高风险样本中癌症相关成纤维细胞、巨噬细胞 M2 等细胞富集，低风险样本中巨噬细胞 M1、活化的髓样树突状细胞等细胞富集。低风险样本中免疫标记基因如 MHC I、MHC II 等表达更高 。
在讨论部分，研究人员指出，该研究揭示了卵巢癌中去泛素化基因活性差异导致的显著异质性。DUB-high 细胞具有增强的促肿瘤通路、活跃的免疫相互作用，且髓样细胞和 Treg 细胞富集；DUB-low 细胞与上皮表型相关，免疫活性降低。研究还发现多个与免疫相关的通路在 DUB-high 细胞中上调，提示去泛素化基因可能参与卵巢癌细胞的免疫杀伤和逃逸机制，是潜在的治疗靶点。此外，研究确定的 23 个去泛素化基因参与多种细胞过程，其中 CTLA4、MEIS1 和 CD3G 等基因与良好预后相关，值得进一步研究。构建的 DRS 模型具有良好的预测性能，有助于评估患者预后，指导个性化治疗，优化临床决策，提高治疗效果和患者生存率。研究还比较了高低风险样本中免疫相关基因的表达，发现低风险样本中 T 细胞活性更强，可能与更好的预后相关。
综上所述，该研究通过整合 scRNA-seq 数据和批量转录组数据，系统地探究了去泛素化基因在卵巢癌中的表达特征及其在细胞间通讯和免疫机制中的作用。虽然研究存在依赖公共数据集、缺乏实验验证等局限性，但依然为深入理解卵巢癌的发病机制提供了新视角，为卵巢癌的诊断、治疗和个性化治疗奠定了基础，具有重要的科学价值和应用前景。
