SIGLNCOS：在单细胞分辨率下鉴定细胞特征lncRNA及其功能共调控网络并揭示预后意义的新型框架

《Journal of Advanced Research》：A novel framework for identifying cellular signature LncRNAs and their functional coregulatory networks with prognostic implications at single-cell resolution

SIGLNCOS能够在癌症中鉴定细胞特征长非编码RNA（long noncoding RNA, lncRNA；cellular signature lncRNA, clncRNA）生物标志物。NEAT1（nuclear paraspeckle assembly transcript 1）与不同的巨噬细胞状态和功能程序相关。不同的共lncRNA（co-lncRNA）网络反映甲状腺癌状态相关特征。共lncRNA对提供比单个lncRNA更强的预后信息。sCo-Lnc平台支持以交互方式探索共lncRNA对作为新型生物标志物。

该论文作者为 Jing Bai、Xinyu Li、Congxue Hu、Chuo Peng、Jing Chen、Weixin Liang、Xia Li、Yunpeng Zhang，发表于《Journal of Advanced Research》。研究人员针对lncRNA在肿瘤微环境（tumor microenvironment, TME）中细胞特异性强、丰度低、功能异质且现有资源难以在单细胞分辨率下系统连接细胞类型、功能注释和跨癌共调控的问题，提出了SIGLNCOS框架，并在31种癌症中构建泛癌单细胞lncRNA资源，鉴定667个细胞特征lncRNA（cellular signature lncRNA, clncRNA）和3,381个非冗余共lncRNA（co-lncRNA）对，揭示其在肿瘤异质性、功能状态和预后中的意义。

为开展研究，研究人员整合31种癌症的单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）数据，来源于Gene Expression Omnibus和ArrayExpress；使用Seurat v4.2.0、scDblFinder、Harmony进行预处理和批次校正；依据GENCODE Release 43（GRCh38.p13）区分mRNA与lncRNA，利用CellMarker 2.0注释细胞，利用MSigDB v2022.1进行GO、KEGG和免疫相关基因集富集。核心算法包括Z score标准化、Wilcoxon秩和检验、Bonferroni校正、基因集富集分析（gene set enrichment analysis, GSEA）、Jaccard指数、inverse-prevalence权重、cNES和S评分、Curveball置换检验。利用TCGA bulk RNA-seq和MuSiC估计细胞分数，Cox模型评估预后；采用Visium空间邻域共表达分析；使用胰腺癌BxPC-3、PANC-1和甲状腺癌K1、TPC-1细胞系（Procell Life Science & Technology）进行SNHG8、ZFAS1扰动实验；构建sCo-Lnc平台（Vue.js、Spring Boot、MySQL）。

研究结果如下。

Overview of siglncos：SIGLNCOS由四个连接模块组成，依次构建泛癌单细胞lncRNA可视化景观、鉴定clncRNA、进行功能富集、识别基于功能共调控的共lncRNA对。应用于31种恶性肿瘤scRNA-seq数据后，研究人员构建了超过50万个单细胞的泛癌图谱，鉴定667个clncRNA和3,381个共lncRNA对，表明lncRNA可作为细胞特征和反复出现的功能关系组成部分。

Single-cell pan-cancer visualization atlas of lncRNAs with SIGLNCOS：研究人员构建了泛癌单细胞lncRNA表达图谱，识别39个细胞群体并归为六类：上皮/肿瘤、基质、免疫、神经、内分泌和其他类型。UMAP和t-SNE投影重现主要群体结构，Harmony提高批次混合且保留细胞类型组织。MEG3在PRAD、OSCC和ICC中呈成纤维细胞富集，NEAT1在部分癌症中特异于髓系细胞，包括巨噬细胞和单核细胞，并在SyS内皮细胞中升高。lncRNA的Gini指数显著高于mRNA，Fisher精确检验显示多数癌症中更多lncRNA与免疫细胞和肿瘤细胞相关。

Cellular signature lncRNAs dominate cell fate across cancers：研究人员在泛癌和单癌层面鉴定667个clncRNA。泛癌层面，肥大细胞和中性粒细胞中clncRNA的细胞类型相关倍数变化较强，巨核细胞和共同髓系祖细胞中也有信号。PRAD有295个clncRNA，约25%位于成纤维细胞；PTC有253个，约三分之一位于肿瘤细胞；HCC和STAD分别仅9和10个。MALAT1、NEAT1、MEG3在多种癌症中出现，LINC02693和LINC02163在PRAD特异表达；PTCSC2和PTCSC3仅在PTC鉴定，MANCR在ATC独特表达。115个高变特征中，44个癌症特异、7个广泛复发、64个中间复发。NEAT1在Pan-NET和RMS巨噬细胞中与凋亡和先天免疫反应呈相反关联，M1/M2评分显示Pan-NET巨噬细胞主要为免疫抑制M2型，RMS主要为促炎M1型，提示NEAT1与不同巨噬细胞状态和功能程序相关。

co-lncRNAs are associated with malignant progression：研究人员在单细胞分辨率下计算clncRNA对的功能相似性，共鉴定3,381个非冗余共lncRNA对，并分为方向一致和方向不一致两类。RMS和PTC的平均Jaccard指数低于MCC和ATC。PTC的CD8⁺ T细胞中共lncRNA最多，为452对；OCCC成纤维细胞为416对。肿瘤细胞897对共lncRNA中仅12对出现在超过五种癌症，537对为癌症特异。SNHG8-ZFAS1是肿瘤细胞网络中最反复出现的对，并在OV、PTC和SyS中与SNHG7形成反复三联体，主要与核糖体和翻译相关功能方向一致。置换检验中4,349个功能特异性观察达到联合经验FDR<0.05。敲低SNHG8或ZFAS1降低胰腺癌和甲状腺癌细胞集落形成、伤口闭合和Transwell迁移，过表达产生相反效果，支持二者参与癌细胞生长和运动。

Pan-cancer single-cell co-lncRNAs for prognostic benefit：研究人员构建高置信泛癌网络，PTC网络最大，包含187个lncRNA和776个独特对；PRAD为167个lncRNA和556对；OCCC为83个lncRNA和505对。整合TCGA生存数据后，233个配对-细胞类型背景中78个与总生存期相关，50个经FDR校正后仍显著。BLCA的17个FDR支持关联均来自淋巴群体，UVM的28个均来自肿瘤细胞，HNSCC包含成纤维细胞、内皮细胞和CD4⁺ T细胞信号，LUAD包含CD4⁺ T细胞和肿瘤细胞信号。BLCA中CD8⁺ T细胞的LINC01138–PCED1B-AS1与改善总生存期相关（HR=0.668，95% CI=0.558–0.799；FDR=0.001），且多个细胞类型背景下PairScore比单个lncRNA具有更强预后关联。成纤维细胞相关对进一步映射到myCAF样、iCAF样和apCAF样状态，表明预后信号反映特定CAF程序而非单纯成纤维细胞丰度。

sCo-Lnc: A visualization platform for single-cell clncRNAs and co-lncRNAs in human cancers：研究人员开发了交互式网络资源sCo-Lnc，提供Browse、Search、Pan-cancer、Tools和Download等功能，可按癌症、细胞类型、lncRNA symbol或Ensembl ID检索clncRNA及其功能共调控特征。平台提供Cell LncRNA Clustering、Cell LncRNA Co-regulation、Cell LncRNA Colocation、Cell LncRNA Hallmark和Personalize analysis等工具，并提供标准化节点表和边表，包含Ensembl ID、基因符号、生物类型、癌症类型、细胞类型、表达百分比、log₂FC、Jaccard指数、S评分、共享功能、关联方向和经验显著性统计。

讨论部分总结：研究人员认为，现有单细胞流程主要面向蛋白编码基因，难以直接处理lncRNA稀疏表达和功能解释，而多数lncRNA资源侧重 curated disease associations、ceRNA关系或bulk转录组证据，未按癌症和细胞类型解析功能组织。SIGLNCOS连接了细胞类型特异性lncRNA鉴定、功能注释、配对水平功能关联、泛癌比较和预后解释。clncRNA具有细胞类型标志特征，lncRNA较mRNA更高的Gini指数及其在恶性、免疫和基质区室中的偏好表明lncRNA表达包含细胞身份和状态信息。功能注释显示，反复出现的clncRNA标记共享细胞程序，癌症限制性clncRNA突出肿瘤背景特异过程。核心进展是从单个clncRNA扩展到配对水平功能组织，3,381个共lncRNA对形成异质泛癌网络，既具癌症特异性又有紧凑复发核心。CD8⁺ T细胞网络在PTC和ATC间差异显著，SNHG8-ZFAS1与核糖体和翻译功能反复相关，扰动实验支持其功能相关性。TCGA整合显示，共lncRNA预后信息嵌入特定恶性、免疫、基质或内皮背景。局限性包括功能共关联不等同于直接物理互作，单细胞稀疏和跨研究异质性仍是低表达lncRNA的挑战，生存分析使用bulk队列和计算估计细胞分数，PTC-ATC比较为横断面对比。sCo-Lnc作为交互资源提供探索、可视化和下载clncRNA、共lncRNA对及其癌症和细胞类型注释，未来将纳入表观基因组、空间和更多疾病数据集。

研究结论部分翻译：总之，SIGLNCOS提供了一个创新的整合框架，用于在单细胞分辨率下表征细胞类型特异性lncRNA、配对水平功能关联及跨癌症预后相关性，显著推进了癌症研究领域。该框架对识别关键生物标志物和阐明癌症中复杂调控网络做出重要贡献，从而增进了对肿瘤生物学的理解，并为靶向治疗策略的开发提供信息。