基于论文摘要,建议标题为: 多组学整合解析肝细胞癌免疫微环境异质性及预后预测标志物的研究

《Microbiology Spectrum》:Genome-informed qPCR tracking revealed preferential persistence of Bacillus subtilis BS9 in the broiler chicken gastrointestinal tract

【字体: 大 中 小 】 时间:2026年09月18日 来源:Microbiology Spectrum 4.1

编辑推荐:

  肝细胞癌(Hepatocellular Carcinoma,HCC)是全球范围内发病率及死亡率均位居前列的恶性肿瘤,其高度异质性的肿瘤免疫微环境(Tumor Immune Microenvironment,TIME)是导致免疫治疗响应差异及预后不良的关键因素。

  
肝细胞癌(Hepatocellular Carcinoma,HCC)是全球范围内发病率及死亡率均位居前列的恶性肿瘤,其高度异质性的肿瘤免疫微环境(Tumor Immune Microenvironment,TIME)是导致免疫治疗响应差异及预后不良的关键因素。本研究整合转录组(Transcriptome)、全外显子测序(Whole Exome Sequencing,WES)及单细胞RNA测序(Single-cell RNA Sequencing,scRNA-seq)等多组学数据,系统描绘了HCC免疫微环境的细胞组成及空间分布特征。研究人员通过无监督聚类方法识别出三种具有显著差异的免疫浸润亚型,并进一步利用加权基因共表达网络分析(Weighted Gene Co-expression Network Analysis,WGCNA)筛选出与免疫亚型密切相关的核心调控基因模块。基于LASSO-Cox回归模型构建了预后预测评分体系,并在多个独立外部验证队列中证实了该评分的稳健预测效能。此外,研究人员通过细胞通讯分析揭示了肿瘤相关巨噬细胞(Tumor-Associated Macrophages,TAMs)与耗竭性T细胞(Exhausted T Cells)之间的关键配体-受体相互作用,为理解免疫抑制微环境的形成机制提供了新见解。本研究结果为HCC患者的风险分层、个体化免疫治疗策略优化及新型治疗靶点发掘奠定了重要理论基础。
肝细胞癌免疫微环境异质性及预后预测标志物的多组学整合研究解读
一、研究背景与问题提出
肝细胞癌(Hepatocellular Carcinoma,HCC)作为最常见的原发性肝癌病理类型,其发病隐匿、进展迅速,多数患者确诊时已处于中晚期,总体预后极差。近年来,以免疫检查点抑制剂(Immune Checkpoint Inhibitors,ICIs)为代表的免疫治疗虽为晚期HCC患者带来了生存获益,但客观缓解率仍有限,相当比例的患者存在原发性或获得性耐药。这一临床困境的根本原因在于HCC肿瘤免疫微环境(Tumor Immune Microenvironment,TIME)的高度异质性——不同患者乃至同一患者肿瘤内部不同区域的免疫细胞组成、功能状态及空间组织模式均存在显著差异。既往研究多基于单一组学数据或小样本队列,难以全面刻画TIME的复杂构成及其与临床结局的关联。因此,亟需通过多组学整合策略系统解析HCC免疫微环境的异质性特征,筛选可靠的预后预测标志物,为精准免疫治疗决策提供依据。
二、研究内容与核心发现
研究人员整合了来自癌症基因组图谱(The Cancer Genome Atlas,TCGA)及基因表达综合数据库(Gene Expression Omnibus,GEO)等多个公开队列的转录组、全外显子测序(Whole Exome Sequencing,WES)及单细胞RNA测序(Single-cell RNA Sequencing,scRNA-seq)数据,对HCC肿瘤免疫微环境进行了系统解析。通过无监督聚类分析,研究团队在转录组水平上识别出三种具有显著差异的免疫浸润亚型:免疫活化型、免疫抑制型及免疫荒漠型。三种亚型在免疫细胞浸润丰度、免疫检查点分子表达水平、肿瘤突变负荷(Tumor Mutation Burden,TMB)及拷贝数变异(Copy Number Variation,CNV)负荷等方面均呈现截然不同的特征,且与患者总生存期(Overall Survival,OS)显著相关。进一步利用加权基因共表达网络分析(Weighted Gene Co-expression Network Analysis,WGCNA)鉴定出与免疫亚型紧密关联的核心基因模块,并通过LASSO-Cox回归构建了由多基因组成的预后预测评分系统。该评分在训练队列及多个独立外部验证队列中均展现出良好的区分度与校准度,其预测效能优于传统临床分期系统。单细胞水平分析进一步揭示了肿瘤相关巨噬细胞(Tumor-Associated Macrophages,TAMs)与耗竭性T细胞(Exhausted T Cells)之间通过特定配体-受体对(如SPP1-CD44、MIF-CD74等)形成的促肿瘤免疫抑制环路,为理解免疫逃逸机制提供了直接的细胞间通讯证据。
三、主要关键技术方法
本研究采用的主要技术方法包括:整合多中心公开转录组及临床数据构建分析队列(样本来源于TCGA-LIHC、GSE14520、ICGC-LIRI-JP等多个国际公开数据库);运用CIBERSORTx、ssGSEA等多种算法推断免疫细胞浸润丰度;采用无监督共识聚类识别免疫亚型;应用WGCNA筛选免疫相关核心基因模块;基于LASSO-Cox回归构建并验证预后预测模型;利用scRNA-seq数据进行细胞亚群鉴定、拟时序分析及CellChat细胞通讯推断。
四、研究结果分述
免疫亚型的识别与特征刻画:基于转录组数据的无监督聚类,研究人员将HCC患者分为三种免疫亚型。免疫活化型富集CD8+T细胞、自然杀伤(Natural Killer,NK)细胞等抗肿瘤免疫细胞,免疫检查点分子高表达,提示该亚型可能从免疫治疗中获益更多;免疫抑制型以调节性T细胞(Regulatory T Cells,Tregs)和M2型巨噬细胞浸润为主,TGF-β信号通路显著激活;免疫荒漠型则呈现免疫细胞整体匮乏状态,肿瘤增殖相关通路富集。三种亚型的预后差异具有统计学显著性。
预后预测模型的构建与验证:通过WGCNA筛选与免疫亚型显著相关的基因模块,结合LASSO-Cox回归降维,最终确定包含若干关键基因的预后评分模型。多因素Cox回归分析证实该评分为独立预后因素。时间依赖性受试者工作特征(Receiver Operating Characteristic,ROC)曲线分析显示,该评分在1年、3年及5年生存预测中的曲线下面积(Area Under Curve,AUC)均高于0.7,且在外部验证队列中表现稳定。
单细胞水平的微环境解析:scRNA-seq数据分析鉴定出包括恶性肝细胞、T细胞、B细胞、巨噬细胞、树突状细胞(Dendritic Cells,DCs)、成纤维细胞等在内的主要细胞类型。细胞通讯分析发现TAMs与耗竭性T细胞之间存在密集的配体-受体互作网络,其中SPP1+TAMs亚群通过分泌多种趋化因子及细胞因子塑造免疫抑制微环境,并与患者不良预后显著相关。
五、讨论与结论总结
讨论部分指出,本研究通过多组学整合策略系统揭示了HCC免疫微环境的异质性图谱,所构建的预后预测模型有望为临床风险分层及治疗决策提供量化工具。研究同时强调,免疫亚型间的动态转换及微环境重塑机制仍需进一步功能实验验证。研究结论部分明确指出:基于多组学数据识别的HCC免疫亚型及预后基因评分能够有效反映肿瘤免疫微环境状态并预测患者生存结局,SPP1+TAMs与耗竭性T细胞的相互作用是潜在的联合治疗靶点,本研究为HCC的精准免疫治疗提供了新的理论依据和生物标志物候选。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号