单细胞纵向解析：EGFR-TKI耐药机制预测新模型为肺腺癌治疗提供关键靶点

【编辑推荐】针对肺腺癌(LUAD)患者EGFR-TKI耐药这一临床难题，研究人员通过纵向单细胞RNA测序(scRNA-seq)技术，结合机器学习模型和inferCNV算法，首次构建了基于耐药肿瘤细胞的EGFR耐药评分(ERscore)系统，揭示氧化磷酸化、嘌呤代谢等关键通路与耐药性的关联，为个体化治疗提供单细胞层面的分子标志物。

　　

这项突破性研究通过追踪肺腺癌(LUAD)患者接受表皮生长因子受体酪氨酸激酶抑制剂(EGFR-TKI)治疗前后的肿瘤样本，运用单细胞转录组测序(scRNA-seq)技术绘制了动态耐药图谱。研究团队采用机器学习算法完成细胞注释，通过inferCNV计算拷贝数变异(CNV)评分精准识别肿瘤细胞，并结合基因评分策略解析代谢特征。

令人瞩目的是，科学家们从耐药肿瘤细胞中提炼出EGFR耐药评分(ERscore)这一新型分子标签，系统评估其对EGFR-TKI治疗反应的预测价值。研究发现三类关键肿瘤细胞亚群主导耐药过程，其代谢特征呈现显著共性：嘌呤代谢、氧化磷酸化(OXPHOS)以及糖原/脂质代谢通路协同上调。

建立的ERscore评估体系首次揭示了肿瘤生态系统与EGFR-TKI耐药性的多维关联，该评分不仅与耐药表型高度相关，更可预测肺癌患者临床预后。这些发现为高EGFR突变率的肺腺癌提供了单细胞精度的耐药机制解析，为开发逆转耐药策略奠定了分子基础。图示摘要生动展现了从单细胞测序到临床预测的研究路径。