单细胞与批量RNA测序联用揭示CAF相关特征对黑色素瘤预后预测及治疗响应的调控机制

本研究通过整合单细胞RNA测序(scRNA-seq)和批量RNA测序技术，首次构建了包含28个癌症相关成纤维细胞(CAF)标志基因的预后模型。研究人员解析了CAF在黑色素瘤微环境中的异质性特征，发现该特征与拷贝数变异(CNV)、免疫抑制性微环境（CD8+ T细胞减少）显著相关，并能预测化疗药物敏感性和PD-1免疫治疗响应。该成果为黑色素瘤精准治疗提供了新型生物标志物。

　　

黑色素瘤作为最具侵袭性的皮肤恶性肿瘤，其晚期治疗选择有限且预后较差。近年来，肿瘤微环境(TME)中癌症相关成纤维细胞(CAFs)的复杂作用备受关注——它们既能通过细胞外基质(ECM)重塑促进肿瘤转移，又能分泌免疫抑制因子帮助肿瘤逃逸，但在不同癌种中甚至表现出双重调控作用。这种功能异质性使得CAFs成为极具潜力但难以精准靶向的治疗靶点。尤其对于黑色素瘤，CAFs如何影响患者预后和治疗响应仍存在重大知识空白。传统批量测序技术会掩盖细胞特异性表达模式，而单细胞技术的突破为解析CAFs异质性提供了新机遇。

上海交通大学医学院附属仁济医院的研究团队创新性地结合单细胞与批量转录组数据，构建了首个针对黑色素瘤CAFs的28基因预后特征模型。该研究通过分析GSE115978单细胞数据集鉴定出1260个CAF标志基因（如COL1A2、LUM），经TCGA队列验证后，采用LASSO回归筛选出包含MFSD5、NOTCH3等关键基因的签名。研究成果显示，该特征不仅能准确预测患者1/3/5年生存率（AUC达0.737-0.779），还与特定拷贝数变异（如chr8p23.3增益）和免疫抑制性微环境特征（CD8⁺ T细胞减少、M1巨噬细胞下调）显著相关。更引人注目的是，该模型可预测伊马替尼等化疗药物敏感性，并在IMvigor210免疫治疗队列中成功区分响应者与非响应者。相关成果已发表于《Scientific Reports》。

研究主要采用四大关键技术：1) 基于Seurat包处理16例患者的scRNA-seq数据(GSE115978)，通过UMAP降维和标记基因（如CD3D、C1QA）注释细胞亚群；2) 利用TCGA和GSE65904队列进行生存分析与LASSO建模；3) 采用CIBERSORT算法评估免疫浸润特征；4) 通过免疫组化(IHC)和qPCR验证15例临床样本中COL1A2等基因表达。

CAF异质性鉴定

单细胞分析揭示黑色素瘤CAFs高表达ECM相关基因（DCN、COL1A1），功能富集显示其显著参与PI3K-Akt信号通路和细胞-基质黏附。这为后续特征筛选奠定了分子基础。

预后模型构建

从271个预后相关CAF基因中，LASSO回归筛选出28基因特征（如促癌基因BOK和抑癌基因OLFML2A）。风险评分可独立预测预后（HR=2.16, p<0.001），且在肢端型黑色素瘤中表现更显著。

基因组特征关联

高风险组特有XIRP2突变频率增高（p<0.05），并呈现chr16q12.2（CES1P1）等位点特异性CNV。这些发现提示CAFs可能与肿瘤基因组共进化。

微环境调控机制

GSVA分析显示高风险组Notch信号通路上调而炎症反应下调，伴随M0/M2巨噬细胞增多和CD8⁺ T细胞减少。这种免疫荒漠化特征解释了该组较差的免疫治疗响应。

治疗预测价值

药敏分析表明高风险组对BRAF抑制剂维莫非尼耐药（IC50增加1.8倍），但对PDGFR抑制剂伊马替尼敏感。在GSE78220队列中，CAF特征富集于PD-1治疗无响应者（NES=2.82）。

这项研究开创性地建立了黑色素瘤CAFs的分子分型体系，其临床价值体现在三方面：首先，28基因特征可作为超越TNM分期的预后指标；其次，模型揭示的CNV-免疫微环境关联为联合治疗提供新思路；最后，CAF评分能指导化疗/免疫治疗的精准选择。研究局限性在于样本量较小，且未解析CAFs空间异质性。未来结合空间转录组技术(ST)将更精确刻画CAFs-免疫细胞互作网络，推动基质靶向治疗的临床转化。