基于单细胞多组学分析鉴定宫颈癌放疗耐药的新型标志物基因与小分子药物

为解决宫颈癌患者放疗响应差异大、耐药机制不明的问题，研究人员通过整合TCGA和GEO数据库的转录组、甲基化及单细胞测序数据，结合机器学习构建了放疗耐药预后模型。研究鉴定出845个上调基因和460个下调基因，发现KCNJ6、RGS6等关键靶点，并筛选出TGX-221等潜在治疗药物。该研究为个体化治疗策略提供了新靶点，成果发表于《Discover Oncology》。

　　

宫颈癌是全球女性高发的恶性肿瘤，尤其在发展中国家发病率居高不下。尽管放疗是宫颈癌治疗的重要手段，但患者对放疗的反应存在显著差异，部分患者会出现放疗耐药，导致治疗失败。这种耐药性可能源于肿瘤细胞的遗传和表观遗传变异、微环境变化以及免疫逃逸等多种因素。因此，深入探究宫颈癌放疗耐药的分子机制，寻找新的治疗靶点，对于提高放疗疗效具有重要意义。

为解决这一问题，重庆医科大学第二附属医院的研究团队开展了一项系统性研究，通过整合多组学数据和机器学习方法，揭示了宫颈癌放疗耐药的分子机制，并构建了预后模型。研究成果发表在《Discover Oncology》上，为宫颈癌的个体化治疗提供了新的理论基础和潜在靶点。

研究人员采用了多种关键技术方法开展研究。首先从TCGA和GEO数据库下载并处理了宫颈癌的转录组测序、甲基化测序和单细胞测序数据。通过差异基因分析和差异甲基化分析鉴定放疗耐药相关标志物。使用Seurat软件包处理单细胞数据，并通过CellTypist进行细胞注释。采用机器学习方法构建预后模型，并利用免疫浸润分析和药物敏感性分析筛选潜在治疗药物。研究还通过qPCR、免疫组化、克隆形成和Transwell等实验验证了关键基因的功能。

研究结果部分，批量测序差异分析鉴定出845个在放疗耐药组上调的基因和460个下调的基因。GO富集分析显示这些差异基因主要参与神经肽信号通路、角质化形成等生物学过程。KEGG分析揭示了神经活性配体-受体相互作用、钙信号通路等重要通路。甲基化测序差异分析发现了3042个下调甲基化位点和158个上调位点，相关基因显著富集于前脑发育、轴突发生等过程。

单细胞聚类降维和细胞注释部分，研究经过严格质量控制后获得43,475个细胞，鉴定出13种细胞类型。通过copykat预测发现9,085个非整倍体细胞，主要集中在上皮细胞中。细胞评分分析显示高分细胞分散在各种细胞类型中，其中单核细胞、ILCs和T细胞与放疗耐药相关性最强。

在轨迹分析部分，研究人员将恶性细胞分为5个发育阶段，发现State4和State5阶段分布更多高分细胞。功能富集显示不同阶段细胞具有显著差异的生物学特征，如State3阶段富集蛋白酶体和P53信号通路，State5阶段富集氧化磷酸化等。

机器学习构建预后模型部分，研究通过单因素Cox回归分析筛选出6个保护性基因和16个风险基因，最终构建了包含10个基因的预后模型。该模型在多个数据集中表现出良好的预测性能。与临床信息对比显示，风险评分与肿瘤分期、年龄等临床特征无关，但在OS、DSS、DFI和PFI四种预后视角下均表现出色。

免疫浸润分析发现风险评分与多种重要免疫细胞呈负相关，如T细胞MCPcounter、CD8T细胞xCell等。药物筛选部分鉴定出TGX-221、DNMDP和CAL-101等潜在治疗药物。

实验验证部分，qPCR和免疫组化证实KCNJ6、RGS6和LRRN4在放疗耐药组织中表达升高，而SCUBE1和JAKMIP1表达降低。功能实验显示Lerisentron能够逆转放疗耐药宫颈癌细胞的增殖能力和侵袭迁移能力。

该研究通过多组学整合分析系统揭示了宫颈癌放疗耐药的分子机制，鉴定出多个关键基因和信号通路，构建了可靠的预后模型，并筛选出潜在治疗药物。这些发现为宫颈癌的个体化治疗提供了新的靶点和策略，具有重要的临床转化价值。特别是发现的KCNJ6、RGS6等基因在放疗耐药中的重要作用，以及Lerisentron的治疗潜力，为克服宫颈癌放疗耐药提供了新的研究方向。