《Cells》:Integration of Spatial Transcriptomics and Mendelian Randomization Identifies Candidate Molecular Regulators of Endometrial Cancer Progression
编辑推荐:
子宫内膜癌是一种起源于子宫内膜上皮细胞的常见妇科恶性肿瘤。EC显著的细胞异质性及其肿瘤免疫微环境的特征增加了疾病的复杂性,并与预后不良相关。本研究整合了单细胞RNA测序、空间转录组学和孟德尔随机化来鉴定与EC相关的候选基因。单细胞分析鉴定出MM0是一个推定的干
子宫内膜癌是一种起源于子宫内膜上皮细胞的常见妇科恶性肿瘤。EC显著的细胞异质性及其肿瘤免疫微环境的特征增加了疾病的复杂性,并与预后不良相关。本研究整合了单细胞RNA测序、空间转录组学和孟德尔随机化来鉴定与EC相关的候选基因。单细胞分析鉴定出MM0是一个推定的干性相关恶性上皮转录亚群,具有最高的CytoTRACE推断评分;免疫相关基因集富集分析表明增殖和应激反应通路富集。使用RCTD、MISTy和stLearn对空间数据进行分析,以估计空间关联和通路活性。整合表达数量性状位点和EC全基因组关联研究汇总统计数据的MR和共定位分析,优先确定了DNAJA4、HSPA6和LMNA作为与EC风险具有潜在因果关联的候选基因。在患者来源的样本中进一步检查了这些候选基因的表达模式。在高铁雌激素条件下培养的Ishikawa细胞中,小干扰RNA介导的DNAJA4和HSPA6敲低显著抑制了增殖和迁移,并伴有CDK1和Cyclin B表达降低。总体而言,这些发现为EC异质性提供了见解,并支持对与恶性上皮增殖相关的候选基因进行进一步的机制研究。
研究背景与意义
子宫内膜癌是最常见的妇科恶性肿瘤之一,其发病率随社会经济发展而上升。尽管早期可通过手术有效治疗,但晚期和复发疾病治疗困难。EC的治疗挑战部分源于其显著的分子和细胞异质性,这种异质性与不受控的上皮增殖及动态的激素微环境有关,导致临床病程多变。EC的进展涉及恶性上皮细胞的持续扩增及其在肿瘤免疫微环境中的复杂相互作用。尽管传统的批量测序已建立广泛的分子分类,但往往掩盖了与肿瘤表型相关的潜在干细胞转录亚群。单模态分析方法在整合高分辨率数据与遗传证据及功能测定方面存在局限,难以区分伴随疾病变化的基因与具有潜在因果或功能相关性的基因。因此,恶性上皮细胞中的候选基因表达、干细胞相关转录程序与免疫浸润模式之间的关系仍未完全阐明。为填补这些空白,研究人员结合scRNA-Seq、空间转录组学和MR,优先筛选出受遗传支持的候选基因以进行功能评估。研究人员推断出空间通路活性以及候选基因表达与TIME中免疫浸润模式的关联,并在高雌激素条件下检测候选基因对上皮增殖的影响。研究得出结论,鉴定出DNAJA4、HSPA6和LMNA作为与EC风险存在潜在因果关系的候选基因,且DNAJA4和HSPA6在特定细胞模型中调节增殖和迁移。这项研究将恶性上皮异质性与空间肿瘤生物学联系起来,为EC的个体化治疗提供了新的见解。本论文发表在《Cells》期刊上。
关键技术方法
研究人员运用了多种关键技术方法开展此项研究。首先,从GEO数据库获取scRNA-Seq数据和空间转录组织切片,从TCGA数据库获取基因表达谱。采用Seurat等包进行质控与降维,利用irGSEA进行富集分析,Monocle推断拟时间轨迹。空间数据通过RCTD进行反卷积分析,MISTy估计空间细胞关联,stLearn推断空间轨迹。通过整合eQTL数据和EC GWAS汇总统计数据进行MR和共定位分析,优先确定候选基因。利用CIBERSORT算法评估肿瘤免疫浸润,构建列线图模型预测生存。最后,在高铁雌激素条件下的Ishikawa细胞中,利用siRNA介导敲低候选基因,并通过EdU掺入、CCK-8和Transwell等实验评估增殖与迁移。样本队列来源于吉林大学第二医院收集的新鲜组织样本及公共数据库数据。
研究结果
3.1. 质量控制与单细胞数据预处理
通过质控去除异常和低质量细胞及双细胞,保留了高质量细胞并鉴定出高度变异基因,进行归一化、主成分分析及批次效应校正。
3.2. 数据标准化、细胞注释与恶性细胞中差异表达基因的鉴定
通过均匀流形逼近与投影降维鉴定出11个亚群并注释为7个主要细胞类别。利用肿瘤拷贝数核型分析工具区分恶性和非恶性细胞,在分析的上皮细胞中鉴定出恶性细胞。
3.3. 二次聚类与CytoTRACE评估恶性上皮细胞的干性相关转录状态
对恶性细胞二次聚类得到MM0至MM3四个亚群。利用细胞轨迹重建分析工具评估发现,MM0评分最高,被指定为推定的干性相关转录亚群,处于推断分化轨迹早期,且表现出最强的增殖相关转录活性。
3.4. irGSEA揭示的聚类特异性标志性通路富集
通过多种算法量化单个细胞的基因集富集评分,发现肿瘤坏死因子-α通过核因子κB信号传导通路在MM0亚群中显著富集。
3.5. 拟时间分析
利用Monocle将恶性上皮细胞沿转录定义的拟时间连续体进行排序,最显著表达变化的基因被聚为三类,其中人类白细胞抗原基因在拟时间一端呈现峰值表达。
3.6. 空间转录组学数据的降维、聚类与RCTD反卷积
对空间数据聚类并利用稳健的细胞类型分解结合单细胞参考谱估计各点位细胞类型比例,发现RCTD得出的MM0权重较高区域与高增殖评分空间共存。
3.7. 空间关联与通路活性分析
通过多视图细胞间空间建模估计标记基因的细胞内和细胞间关联,发现MM0和MM2亚群关联。利用PROGENy估计通路活性,发现MM0富集区域具有更高的JAK-STAT和缺氧通路评分。
3.8. stLearn空间轨迹推断
利用stLearn检查转录状态空间分布和推断关系,通过Leiden聚类算法生成推断的空间轨迹树。
3.9. 孟德尔随机化分析
利用GWAS汇总统计数据选择单核苷酸多态性作为工具变量。通过逆方差加权法等方法鉴定出11个基因表达与EC风险相关,其中部分基因与风险降低相关,另一部分与风险升高相关。留一法和异质性检验证实了结果稳健性。
3.10. 共定位与反向MR
通过共定位分析比较eQTL和GWAS信号,发现DNAJA4、HSPA6和LMNA的共定位后验概率(PP.H4)超过0.9。反向MR未发现反向关联。这三个基因被优先确定为候选基因。
3.11. 肿瘤免疫微环境的生物信息学分析
利用CIBERSORT算法估计免疫细胞相对丰度,发现正常与肿瘤组织在多种免疫细胞群(如M
0巨噬细胞、M
1巨噬细胞等)的相对丰度上存在差异。相关性分析显示候选基因表达与特定免疫细胞分数显著相关。
3.12. 列线图模型预测
将风险评分与临床变量整合构建列线图,预测总生存率。通过校准曲线、时间依赖性受试者工作特征曲线和决策曲线分析评估了模型的预测性能。
3.13. 预测药物敏感性关联与候选基因的空间表达谱
利用oncoPredict包估计半数抑制浓度,发现候选基因表达与多种药物预测值显著相关,并展示了这三个候选基因在空间数据集中的分布和表达水平。
3.14. 候选基因在EC细胞中的表达与功能评估
蛋白质印迹和免疫组化显示肿瘤组织中DNAJA4和HSPA6蛋白水平更高。在17
β-雌二醇处理的Ishikawa细胞中,siRNA介导的DNAJA4或HSPA6敲低显著抑制增殖和迁移,并伴有CDK1和Cyclin B表达降低。LMNA在肿瘤组织中低表达,敲低后增殖和细胞周期蛋白水平仅有轻微下降。
讨论与结论
研究将空间和单细胞转录组学与MR及功能实验相结合,优先确定了与推定的干性相关恶性上皮转录亚群MM0相关的DNAJA4、HSPA6和LMNA作为候选分子调节因子。MM0表现出增强的缺氧和JAK-STAT相关通路活性以及较低的MHC-I表达,这仅提示关联。HSPA6作为HSP70家族成员,其缺失可降低增殖;而DNAJA4作为DnaJ/Hsp40共伴侣蛋白家族成员,可能参与蛋白质稳态。MR显示DNAJA4与EC风险呈负相关,而组织检测和敲低实验显示其蛋白在肿瘤中高表达并促进增殖,研究人员认为这反映了阶段和上下文依赖性效应,即正常状态下维持稳态,而在肿瘤发生后被癌细胞劫持以适应蛋白毒性应激。关于LMNA,尽管MR提示其与EC风险增加相关,但实验显示其在肿瘤中下调且敲低未显著抑制增殖,这表明LMNA可能反映肿瘤相关的结构稳定性变化,其直接促进增殖的作用具有上下文依赖性。研究还探索了候选基因与免疫细胞浸润的关联及药物敏感性,为未来治疗策略提供了假设。研究存在样本量有限、缺乏多位点空间复制及仅限于二维细胞模型等局限。
研究结论翻译:综上所述,这项整合的多组学分析优先确定了DNAJA4、HSPA6和LMNA作为与EC风险存在潜在因果关联的候选基因。在E2刺激的Ishikawa模型中的功能测定进一步支持DNAJA4和HSPA6作为候选功能基因,而LMNA的功能作用仍有待阐明。MM0被表征为推定的干性相关转录亚群,这些分析描绘了推断的细胞状态分化轨迹和横截面空间关联。这些生物信息学发现并未确立体内真正的时间或克隆演化,而是为EC未来的纵向、谱系解析、机制和转化研究提供了假设。