糖基化特征重塑结直肠癌微环境：单细胞与转录组学揭示CAFs异质性及CCDC85B治疗新靶点

本研究针对结直肠癌(CRC)中糖基化修饰的临床价值，通过整合单细胞测序(scRNA-seq)和批量转录组数据，首次系统解析了癌症相关成纤维细胞(CAFs)的6种糖基化亚群特征，构建基于机器学习算法的预后模型，并证实关键基因CCDC85B通过调控O-糖基化水平影响CD8+T细胞浸润，为CRC个体化治疗提供新型生物标志物和干预靶点。

　　

在恶性肿瘤治疗领域，结直肠癌的免疫治疗响应率长期停滞在15%左右，这种困境与肿瘤微环境(TME)的免疫抑制特性密切相关。糖基化作为最常见的蛋白质翻译后修饰，如同细胞表面的"糖衣密码"，在肿瘤免疫逃逸中扮演关键角色。然而，这种复杂的糖分子修饰如何在TME中动态调控，特别是不同细胞亚群间的糖基化异质性特征，始终是困扰研究人员的科学难题。

复旦大学附属肿瘤医院病理科的研究团队在《Functional 》发表的最新研究中，通过创新的多组学整合策略，揭开了结直肠癌糖基化调控的神秘面纱。研究人员首先对10例未经治疗的CRC样本进行单细胞测序，获得50,015个细胞的精确图谱，采用非负矩阵分解(NMF)算法鉴定出6种具有独特糖基化特征的CAFs亚群：Glycosaminoglycan-C1（糖胺聚糖型）、Glycosphingolipid-C2（鞘糖脂型）、N-glycosylation-C3（N-糖基化型）、O-GalNAc-C4（O-乙酰半乳糖胺型）、Other-C5（其他型）和None-C6（无特征型）。这些亚群在功能活性、代谢状态和发育轨迹上展现出惊人的异质性，如Glycosphingolipid-C2亚群显著富集抗原呈递和T细胞活化通路，而O-GalNAc-C4则通过VEGF和FGF信号通路主导细胞间通讯。

研究团队运用101种机器学习算法组合，从19个糖基化相关候选基因中筛选出最优预后模型，包含CCDC85B、MYL9等5个关键基因。该模型在TCGA和GEO队列中展现出卓越的预测性能，3年生存率预测AUC值达0.99。值得注意的是，高风险组患者表现出独特的免疫特征：M2型巨噬细胞浸润增加、CD8⁺T细胞功能耗竭，且对PD-1抑制剂响应率显著降低。药物敏感性分析揭示，高风险患者可能对BRAF^V600E抑制剂PLX4720更为敏感。

实验验证阶段，研究人员通过siRNA敲低、Western blot等技术证实CCDC85B在CRC细胞中的促癌作用。该基因不仅促进肿瘤增殖迁移，还显著降低O-GlcNAc糖基化水平。多色免疫荧光显示CCDC85B高表达区域CD8⁺T细胞浸润减少，这为理解糖基化调控免疫逃逸提供了直接证据。

关键技术方法包括：1)整合GSE205506单细胞数据和TCGA批量转录组数据；2)采用Harmony算法消除批次效应；3)运用NMF进行CAFs亚群分型；4)基于10种机器学习算法构建101种预后模型；5)通过体外实验验证CCDC85B功能。

研究结果可归纳为：

1.糖基化特征解析：CAFs表现出最高糖基化水平，6个亚群具有独特的糖链修饰模式和代谢特征。

2.预后模型构建：StepCox[both]+RSF算法构建的5基因模型预测效能最佳（C-index=0.757）。

3.微环境重塑：高风险组富集免疫抑制细胞（MDSCs、Tregs），且免疫检查点分子表达上调。

4.治疗预测：TIDE算法显示高风险组更易发生免疫逃逸，Submap分析预测低风险组对免疫治疗更敏感。

5.机制探索：CCDC85B敲除降低O-糖基化水平，抑制CRC进展并增强CD8⁺T细胞浸润。

这项研究首次绘制了CRC微环境中糖基化修饰的细胞图谱，建立了连接糖基化特征与免疫治疗响应的预测体系。特别是发现CCDC85B作为糖基化调控的新枢纽，为克服免疫治疗耐药提供了潜在靶点。临床转化方面，研究提出的风险分层模型和配套检测panel，有望实现CRC患者的精准分型，指导个体化治疗方案选择。未来研究可进一步探索CAFs分泌的特定糖蛋白如何通过"糖密码"调控T细胞功能，以及靶向CCDC85B能否逆转免疫抑制微环境。