Buparlisib

2026年上半年美股创新药板块里，阿诺医药（Adlai Nortye，股票代码：ANL）的股价反弹走势一直被市场简单标签化。多数二级市场复盘、自媒体解读，都把这家公司从退市边缘拉回、半年涨幅超1300%的行情，直接归因为RAS赛道题材爆发、海外资金炒小票回暖。这种浅层解读传播很广，但完全解释不了核心问题：同样是晚期管线失败、同样是美股小型Biotech、同样身处2025年行业寒冬，绝大多数同类企业最终走向裁员清算、低价并购，唯独阿诺医药完成了彻底反转。 图1. 阿诺医药2026年以来股价走势 在我看来，这轮行情本质不是题材炒作催生的泡沫行情，而是市场对企业价值的纠错式重估。此前市场过度悲观，把单一管线失败等同于企业彻底出局，低估了管理层及时止损、快速转型自研的落地能力，也忽略了公司存量自研管线的真实稀缺性。当然，反过来讲，当前市场又陷入了过度乐观的情绪，把早期管线的技术潜力，提前透支成了落地业绩，估值泡沫、研发不确定性、赛道新一轮内卷风险，都被涨幅掩盖了。 图2. 阿诺医药入选2026中国医药创新企业百强 要读懂阿诺医药的大起大落，首先要纠正市面上绝大多数文章的时间线错误。业内很多复盘混淆了临床数据读出时间与项目终止官宣时间，真实脉络更为清晰：AN2025头颈癌三期临床数据不及预期的核心结果在2024年年内基本落地，公司在2024年底就已经启动内部复盘与架构调整，并非网传的2025年中才开始自救。2025年上半年，只是市场情绪彻底崩盘、股价杀至历史底部的阶段，也是公司所有被动风险集中暴露的窗口期。 图3. 阿诺医药营业收入与净亏损变化趋势（单位：万美元） 阿诺医药2023年赴美上市本身就是一次典型的周期踏空。彼时港股创新药估值已经触底，资金偏好确定性更强的成熟管线企业，而美股对中国Biotech的审核与估值体系更严苛，尤其排斥“重引进、轻自研、零营收”的标的。阿诺医药当时的管线结构，恰好踩中了外资的所有规避点：核心营收预期完全绑定外部授权引进的AN2025，自研管线大多停留在临床前或早期阶段，没有任何商业化落地经验，整体盈利模式高度依赖融资输血。上市首日破发只是表象，本质是外资从一开始就不认可这套“引进管线冲上市”的旧模式。 过去几年国内一大批Biotech都是靠这套模式起家：早期通过海外授权引进成熟在研管线，快速搭建产品矩阵，包装成长线研发故事，完成多轮融资与IPO。这种打法前期成本低、见效快，但致命短板极其明显，只是行业行情好时被资本掩盖了。一旦核心引进管线临床失利，企业没有自主技术平台兜底，没有迭代管线承接市场预期，瞬间就会失去所有估值逻辑，阿诺医药的崩盘就是这套模式失效的典型案例。 图4. 阿诺医药研发产品管线 AN2025的折戟，不是单次运气不好的临床失败，而是靶点固有缺陷的集中暴露。泛PI3K靶点成药难度极高，靶点抑制范围过广，极易引发严重的代谢、免疫相关副作用，海外多家药企的同类管线多年来接连折戟，安全性与有效性难以兼顾。阿诺医药的三期临床试验覆盖487名复发转移性头颈癌患者，最终未能达成总生存期核心终点，数据不具备临床获益价值，项目终止是理性且必然的研发决策。 这次失败直接击穿了市场最后的耐心。2025年上半年，公司股价持续下杀，最低市值仅5200万美元，市场几乎一致看空。结合财报真实数据来看，当时企业现金流压力确实真实存在，但并没有网传的“千万级负债缺口、濒临破产”那么夸张。2025年末公司账面现金大幅缩水，核心原因是长期临床投入、海外团队运营、CRO合作开支持续消耗，叠加项目终止后的清算支出，属于研发型企业管线失利后的正常财务阵痛，而非资不抵债。市场当时的悲观情绪，明显存在过度杀跌的成分，这也为后续估值反弹埋下了伏笔。 图5. 阿诺医药2023年-2025年各个管线CRO费用变化（单位：万美元） 对比同期其他管线失败的美股中概Biotech，更能看出阿诺医药的特殊性。不少同行企业在核心项目失利后，要么继续消耗剩余资金死磕无效管线，赌极小概率的数据反转；要么直接躺平，停止研发投入、等待并购接盘。阿诺医药的选择完全不同，管理层没有纠结沉没成本，2024年底就启动了全面收缩调整，2025年落地执行。 具体落地动作非常务实，没有行业常见的口号式降本。公司针对性砍掉AN2025全部后续CRO合作、临床随访、数据延展研究等无效投入，收缩美国研发团队的冗余人员与办公成本，精简非核心研发管线，整体压降三成左右的无效开支。整套操作的核心目的很明确：停止失血、留存现金、把所有资源集中转向自研管线，彻底告别依赖外部引进的旧模式。 真正让市场认知彻底扭转的，是2025年底与奥赛康达成的区域授权合作，这也是最硬核、最真实的价值背书，远比二级市场的题材炒作靠谱。这里需要纠正一个普遍的信息误区：16.08亿元并非一次性交易对价，而是包含首付款、临床里程碑、商业化里程碑、销售分成在内的总潜在交易金额，单纯首付款仅为数亿元级别。对于奥赛康而言，愿意为一款临床早期的泛RAS管线支付真金白银的预付款，足以说明其对AN9025技术框架、临床前数据、细分赛道价值的认可。 从产业合作逻辑来看，这笔交易对阿诺医药是极其划算的取舍。国内肿瘤药商业化渠道竞争极度内卷，中小型Biotech自建销售团队、搭建渠道的成本极高，且成功率极低。将国内及港澳权益授权给奥赛康，相当于直接借力成熟药企的申报、渠道、终端体系，省去了数亿级别的商业化投入，同时锁定了稳定的阶段性现金流。公司可以集中全部资金和人力，深耕全球临床研发，扬长避短，补齐中小药企的商业化短板。 产业合作落地后，机构资金的逆势加仓顺理成章。2026年上半年两笔累计2.9亿美元的PIPE融资，入局的都是全球头部生物医药专项机构，这类资金从不炒作短期题材，只看真实技术壁垒与长期成长逻辑。它们敢于在公司市值底部重仓，核心是认可阿诺医药转型后的自研体系：从过去“管线搬运工”，变成了拥有自主分子胶、ADC、多特异性蛋白技术平台的硬核研发企业。 再谈市场热议的RAS赛道红利，必须打破单一的利好叙事，讲清楚真实的赛道分层与内卷现状。近几年KRAS G12C靶点扎堆严重，国内数十家药企集中布局，靶点同质化、药物机制趋同，未来医保降价、市场内卷是必然结果，赛道红利早已透支。但泛RAS赛道完全是另一套逻辑，能够覆盖KRAS、NRAS、HRAS多突变亚型，适配胰腺癌、结直肠癌等难治性肿瘤，临床需求更广、受众更大。 图6. 阿诺医药在RAS方向进行差异化布局 不过我也要提出一个反向业内判断：目前市场过度神化了泛RAS赛道，未来两年这片细分领域也会快速迎来内卷。随着技术门槛逐步被突破，海内外头部药企都在加速布局泛RAS分子胶、RAS-ADC管线，阿诺医药目前的先发优势，只停留在临床前和早期临床阶段，管线进度对比海外标杆企业并无绝对领先性。后续一旦同行企业读出更优临床数据、实现技术迭代，当前的差异化优势会被快速稀释。 阿诺医药的核心亮点，在于避开了红海内卷，搭建了多管线协同的下一代创新矩阵。除了核心的AN9025泛RAS分子胶管线，公司自研的AN4035 RAS-ADC管线，针对性解决了传统小分子药物毒性高、耐受性差、无法联合用药的临床痛点，属于细分赛道的差异化创新。同时布局的口服PD-L1、三特异性融合蛋白，也避开了国内泛滥的单抗红海赛道，贴合临床未被满足的刚需。这种不跟风、重原创、抓痛点的研发思路，在当下浮躁的创新药行业里，确实具备稀缺性。 但必须理性看待当前的超高估值，半年13倍的涨幅，已经严重透支了企业未来的成长空间。从实操层面来看，公司所有核心管线均处于临床I期早期阶段，剂量爬坡、安全性验证、有效性确认、二期三期大规模临床，每一个环节都存在极高的失败概率。创新药行业从来不缺早期数据亮眼、后期临床折戟的案例，仅凭临床前数据和赛道概念，支撑不起当前的高市值。 另外，企业的经营结构短板依旧客观存在，这也是所有纯研发型Biotech的通病。现阶段公司没有稳定产品营收，现金流完全依赖融资与管线授权收益，后续临床推进、海外运营、人员扩充都会持续消耗现金。即便短期资金储备充足，若未来无法持续输出优质临床数据、落地新的产业合作，依旧会重新陷入现金流承压的困境，没有形成真正的商业化闭环。 站在2026年的行业节点回看，阿诺医药的翻盘故事，给国内中小创新药企提供了一个很真实的参考样本。过去行业野蛮生长阶段，很多企业靠引进管线、堆砌项目、炒作赛道概念就能融资上市，完全不重视自主技术沉淀和风险管控。一旦行业退潮、管线失利，大多只能被动出局。 阿诺医药能活下来、实现估值反转，最核心的不是踩中风口，而是管理层拥有绝境纠错的魄力。在市场全盘看空、企业濒临危机的阶段，没有沉溺过往、没有跟风内卷，果断止损、彻底转型自研，用实打实的产业合作和管线迭代，重构了企业核心价值。 当前市场对阿诺医药的定价，明显夹杂了大量情绪溢价和赛道泡沫。短期股价的极致反弹，是估值修复、资金回暖、赛道升温多重因素叠加的结果，不代表企业已经具备了成熟的商业价值。未来公司能否真正穿越周期、守住行情，不看短期题材热度，只看后续临床数据的落地质量、管线迭代速度、产业合作的持续落地能力。对于整个创新药行业而言，褪去炒作泡沫、摒弃同质化跟风、深耕真实临床价值，才是中小药企长期生存的唯一出路。 参考文献： [1] 阿诺医药，https://cn.adlainortye.com/ [2] https://mp.weixin.qq.com/s/F8_1nZKqoE6bC1Zoy1tjZA 立即扫码加入药事纵横交流群

整合单细胞与空间多组学分析鉴定NETs驱动结肠癌亚型文章信息 发表杂志 Journal of Translational Medicine 中文标题 整合单细胞与空间多组学分析鉴定出具有独特代谢特征和预后意义的 NETs 驱动的结肠癌亚型 英文标题 Integrative single-cell and spatial multi-Omics analyses identify NETs-driven colon cancer subtypes with distinct metabolic features and prognostic implications 发表状态 Article in Press DOI 10.1186/s12967-026-08227-6 小编新的公众号，欢迎关注+星标 高分文章代码共享： 生信福利专用贴，新增多篇高分文章代码分享（持续更新） 小编收集了27个癌种，共347个数据集以及19个免疫治疗（ICI）数据集，并整理了详细的临床资料，预后信息。可以供大家下载使用！ 研究概述 结肠癌是全球癌症相关死亡的主要原因之一，中性粒细胞胞外诱捕网（NETs）作为肿瘤微环境的新兴组分，被证实参与肿瘤侵袭转移与免疫逃逸，但其在结肠癌中的具体作用与分子机制尚不明确。本研究整合 TCGA 与 GEO 的 Bulk 转录组数据、单细胞 RNA 测序（scRNA-seq）与空间转录组多组学数据，系统鉴定结肠癌中 NETs 相关基因特征，从细胞、分子、空间多维度解析其生物学功能，并构建预后风险模型。研究鉴定出两种 NETs 相关结肠癌分子亚型，二者在免疫组成、代谢活性与基因表达谱上存在显著差异；NETs 高表达恶性细胞存在氧化磷酸化相关代谢重编程，可能介导免疫逃逸与治疗抵抗；最终构建了包含 ARRDC1、TUBB2A、DUSP5、SLC2A3 的四基因预后标签，在多队列中表现出中等预后区分能力。本研究揭示了 NETs 相关生物学在结肠癌进展、免疫调控与代谢重编程中的关键作用。 核心发现 单细胞层面鉴定出 NETs-high 恶性细胞亚群，其特征为线粒体代谢与氧化磷酸化通路显著激活，可能介导肿瘤免疫逃逸与治疗抵抗。 基于 NETs 相关基因将结肠癌分为两种分子亚型，二者在免疫激活、细胞黏附与趋化因子信号通路存在显著差异，对应不同的肿瘤微环境状态。 构建了 4 个基因组成的 NETs 相关预后模型，可有效区分结肠癌患者的生存风险，同时预测 MIF 信号轴可能是 NETs-high 肿瘤细胞与免疫细胞互作的关键通路。Figure 1：研究技术路线图研究目标 清晰展示本研究的整体分析框架与技术路径，明确多组学数据整合的分析逻辑与核心研究节点。方法与目的分析类型具体方法目的 Bulk 转录组分析 TCGA-COAD 队列共识聚类、差异分析、预后模型构建 鉴定 NETs 相关分子亚型，构建预后风险模型 单细胞转录组分析 Seurat 分群、InferCNV 恶性细胞鉴定、AUCell 打分 解析细胞异质性，定位 NETs 活性的恶性细胞亚群 空间转录组分析 Visium 数据聚类、MIA 多模态整合 映射 NETs 活性与细胞类型的空间分布特征 下游功能分析 富集分析、细胞通讯、药物敏感性、泛癌分析 挖掘分子机制与临床转化潜力实验设计与结果 为什么进行这个分析？ 本研究整合 Bulk、单细胞、空间转录组多维度数据，需要清晰的技术路线串联各分析模块，明确从数据输入到结果输出的完整逻辑，保证研究的系统性与可重复性。 关键发现 研究整体分为三大核心模块 单细胞层面解析（左侧）：完成细胞分群→恶性细胞鉴定→NETs 活性打分→功能富集，明确 NETs 相关恶性细胞的分子特征。 Bulk 队列验证（中间）：完成 NETs 亚型聚类→细胞类型反卷积→预后细胞筛选→预后模型构建与验证，实现人群层面的分子分层。 空间与功能拓展（右侧）：完成空间细胞类型映射→细胞通讯分析→药物敏感性预测→泛癌分析，拓展研究的空间维度与临床转化价值。 逻辑解读 → 从单细胞分辨率解析细胞异质性，定位 NETs 相关的恶性细胞状态 → 延伸至 Bulk 大样本队列进行分子亚型划分与预后模型构建 → 结合空间转录组解析空间分布，补充细胞互作、药物预测等功能分析 → 形成 “单细胞机制 - Bulk 临床验证 - 空间原位验证 - 转化拓展” 的完整研究逻辑 Figure 2：基于 GSE132257 数据集鉴定结直肠癌组织细胞亚群研究目标 在单细胞分辨率下解析结肠癌组织的细胞组成异质性，明确肿瘤与正常组织的细胞类型分布差异。方法与目的分析类型具体方法目的 数据质控 过滤低质量细胞与基因，线粒体比例筛选 去除技术噪音，保证后续分析可靠性 降维聚类 Seurat 包 PCA、Harmony 去批次、t-SNE 可视化 实现细胞无监督分群，展示细胞分布 细胞注释 基于经典标记基因对细胞群命名 鉴定上皮细胞、免疫细胞、基质细胞等主要类群实验设计与结果 为什么进行这个分析？ 结肠癌肿瘤微环境具有高度细胞异质性，解析细胞组成是后续研究 NETs 相关细胞亚群的基础；同时对比癌与正常组织的细胞比例差异，可初步提示细胞类型的病理意义。 关键发现 细胞分群结果（Fig.2A-B）：质控后共纳入 23268 个细胞，无监督聚类得到 15 个细胞簇，最终注释为 6 大类细胞：上皮细胞、T 细胞、B 细胞、髓系细胞、肥大细胞、基质细胞。 标记基因验证（Fig.2C）：各细胞类型的特征标记基因表达符合预期，验证了细胞注释的准确性。 癌旁组织差异（Fig.2D）：结肠癌组织与正常组织的细胞类型比例存在显著异质性，不同细胞类群在肿瘤与正常微环境中占比不同。 逻辑解读 → 首先通过单细胞测序获得结肠癌组织的全细胞图谱 → 验证细胞注释的准确性，建立可靠的细胞分类体系 → 明确肿瘤与正常组织的细胞组成差异，为后续聚焦恶性上皮细胞、解析 NETs 相关细胞状态提供基础 Figure 3：结肠癌恶性上皮细胞鉴定与 NETs-high 细胞状态表征研究目标 从上皮细胞中区分恶性细胞，进一步鉴定 NETs 活性相关的恶性细胞亚群，并解析其分子功能特征。方法与目的分析类型具体方法目的 恶性细胞鉴定 InferCNV 推断拷贝数变异，结合肿瘤标记基因验证 区分恶性与非恶性上皮细胞 NETs 活性打分 AUCell 算法基于文献 NETs 基因集计算打分 划分 NETs-high 与 NETs-low 恶性细胞 功能富集分析 GO、KEGG 富集分析差异基因 解析 NETs 相关恶性细胞的功能通路特征实验设计与结果 为什么进行这个分析？ NETs 的研究多聚焦于中性粒细胞，但其对肿瘤细胞本身的转录调控与表型影响尚不明确；通过在恶性细胞中评估 NETs 相关转录活性，可直接解析 NETs 对肿瘤细胞的重塑作用。 关键发现 恶性细胞鉴定（Fig.3A-D）：以上皮细胞中 Cluster4、7、8 作为正常参考，InferCNV 分析显示 Cluster0、1、2、3、5、6、9、10 具有更高的 CNV 评分；同时这些高 CNV 细胞群高表达 EPCAM、KRT20 等上皮标记，以及 CD44、ALDH1A1、MKI67 等干性与增殖标记，确认为恶性上皮细胞。 NETs 细胞亚群划分（Fig.3E-F）：对恶性细胞重聚类得到 10 个亚群，其中 Cluster6 的 NETs 相关基因集 AUCell 评分最高，定义为 NETs-high 恶性细胞，其余为 NETs-low 恶性细胞。 差异与功能富集（Fig.3G-I）：两组间共鉴定到 1895 个差异基因；GO 富集显示 NETs-high 细胞显著富集电子传递链、细胞呼吸、有氧呼吸等生物学过程，以及线粒体内膜、呼吸链复合体等细胞组分；KEGG 富集显示朊病毒病、帕金森病、活性氧化学致癌等通路显著激活。 逻辑解读 → 先通过 CNV 与标记基因双重验证，精准锁定恶性上皮细胞群体 → 基于 NETs 基因集打分，从恶性细胞中分离出 NETs 相关的细胞亚群 → 差异与富集分析揭示 NETs-high 细胞存在显著的线粒体代谢重编程与氧化应激特征 → 提示 NETs 相关的肿瘤细胞状态可能通过代谢适应介导肿瘤进展与免疫逃逸 Figure 4：基于 NETs 相关基因的结肠癌分子亚型鉴定与分子特征分析研究目标 在 Bulk 转录组队列中验证 NETs 相关的分子异质性，划分结肠癌 NETs 亚型，并解析亚型间的分子与功能差异。方法与目的分析类型具体方法目的 共识聚类 ConsensusClusterPlus 对 TCGA-COAD 样本无监督聚类 基于 NETs 基因表达划分稳定的分子亚型 差异表达分析 limma 包筛选亚型间差异基因 鉴定亚型特征分子标记 功能富集分析 GO、KEGG 富集差异基因 解析不同亚型的生物学通路差异实验设计与结果 为什么进行这个分析？ 单细胞层面发现的 NETs 相关恶性细胞状态，需要在大样本 Bulk 队列中验证其临床存在性；通过分子亚型划分，可进一步关联 NETs 状态与患者的分子表型差异，为后续预后分析奠定基础。 关键发现 亚型划分结果（Fig.4A-B）：基于 419 例 TCGA-COAD 样本，通过共识聚类得到 2 个稳定的 NETs 相关亚型，Cluster1（n=200）与 Cluster2（n=219）。 差异基因谱（Fig.4C-D）：两亚型间共鉴定到 3565 个差异表达基因，Top10 差异基因可清晰区分两种亚型的转录特征。 功能通路差异（Fig.4E-F）：GO 富集显示差异基因显著富集白细胞活化、淋巴细胞活化、免疫球蛋白复合体、胶原胞外基质、抗原结合等功能；KEGG 富集显示造血细胞谱系、趋化因子信号通路、细胞黏附分子等通路显著差异。 逻辑解读 → 将单细胞层面发现的 NETs 相关特征，拓展到 Bulk 大样本队列进行分型验证 → 两种亚型的转录组差异集中在免疫激活、细胞黏附、趋化信号等维度 → 提示 NETs 相关亚型不仅反映肿瘤细胞本身的差异，更对应着肿瘤微环境免疫与基质重塑的不同状态 Figure 5：单细胞来源的细胞类型反卷积与预后关联分析研究目标 解析两种 NETs 亚型的细胞组成差异，鉴定与结肠癌患者预后显著相关的细胞类型。方法与目的分析类型具体方法目的 细胞类型反卷积 ssGSEA 基于单细胞标记基因估算 Bulk 样本细胞丰度 量化 Bulk 样本中各细胞类型的相对含量 细胞相关性分析 计算各细胞类型丰度的相关系数 解析微环境细胞间的共现关系 预后关联分析 单因素 Cox 回归分析细胞丰度与总生存期的关联 筛选影响患者预后的关键细胞类型实验设计与结果 为什么进行这个分析？ NETs 亚型的功能差异本质是细胞组成的差异，通过反卷积可明确亚型间的细胞丰度差异；同时关联预后可找到具有临床意义的细胞类群，为后续预后模型构建提供生物学依据。 关键发现 亚型细胞丰度差异（Fig.5A）：8 种细胞类型在两种 NETs 亚型中丰度存在显著差异，其中 Cluster2 的恶性上皮细胞丰度显著升高。 细胞间相关性（Fig.5B）：多数细胞类型之间存在较强的相关关系，反映肿瘤微环境细胞间的协同或拮抗互作模式。 细胞预后价值（Fig.5C）：单因素 Cox 分析显示，恶性上皮细胞的丰度与患者总生存期显著相关，是影响结肠癌预后的关键细胞类群。 逻辑解读 → 将单细胞的细胞类型特征映射到 Bulk 队列，实现细胞水平的亚型解析 → 证实 NETs-high 亚型对应更高的恶性细胞丰度，与肿瘤进展表型一致 → 锁定恶性上皮细胞为预后相关核心细胞类群，为后续从 NETs 相关恶性基因中筛选预后标志物提供了依据 Figure 6：NETs 相关预后模型的构建与验证研究目标 基于 NETs 相关差异基因构建结肠癌预后风险模型，并在多队列中验证模型的预后预测效能。方法与目的分析类型具体方法目的 特征筛选 单因素 Cox+LASSO Cox 回归筛选预后基因 精简基因数量，构建最优预后标签 风险评分计算 基因表达量乘以对应系数求和 计算每位患者的风险评分 模型验证 KM 生存分析、时间依赖 ROC 曲线 评估模型的生存区分能力与预测准确性实验设计与结果 为什么进行这个分析？ NETs 相关的分子特征具有潜在的预后价值，需要通过严谨的训练 - 验证框架构建可量化的预后模型，评估其临床风险分层能力，为后续转化应用提供工具。 关键发现 预后模型构建（Fig.6A-B）：取三组差异基因的交集得到 289 个 NETs 相关候选基因，经单因素 Cox 与 LASSO 回归筛选，最终保留 4 个基因（ARRDC1、TUBB2A、DUSP5、SLC2A3）构建模型，风险评分公式为：Score = 0.414×ARRDC1 + 0.168×TUBB2A + 0.08×DUSP5 + 0.157×SLC2A3。 生存差异验证（Fig.6C-E）：以训练集中位风险值为截断值，训练集、内部验证集、外部验证集（GSE17537）中高风险组患者的总生存期均显著差于低风险组。 预测效能评估（Fig.6F-H）：训练集 1、3、5 年 AUC 分别为 0.629、0.627、0.649；内部验证集对应 AUC 为 0.768、0.758、0.685；模型具有中等的预后区分能力。 逻辑解读 → 从 NETs 相关的恶性细胞差异基因中，通过严格的统计筛选得到 4 个核心预后基因 → 训练集构建模型，内部与外部独立队列验证，保证模型的稳健性与泛化性 → 模型可有效区分患者的生存风险，为结肠癌的 NETs 相关预后分层提供了可量化工具 Figure 7：预后基因的多维度关联分析与功能验证研究目标 系统解析 4 个预后基因的表达特征、细胞关联、预后价值与生物学功能，并对核心基因 TUBB2A 进行遗传共定位验证。方法与目的分析类型具体方法目的 表达与关联分析 差异表达、细胞相关性、单基因生存分析 明确预后基因的表达特征与临床意义 共定位分析 eQTL-GWAS 共定位分析 TUBB2A 从遗传层面验证 TUBB2A 表达与结直肠癌生存的关联 功能富集分析 单基因 GSEA 富集分析 解析每个预后基因参与的生物学通路实验设计与结果 为什么进行这个分析？ 预后模型的 4 个基因需要单独验证其表达规律与生物学功能，明确其与 NETs 状态、细胞类型的关联；同时通过遗传共定位分析可排除表达与预后的假相关，提升标志物的生物学可信度。 关键发现 表达与细胞关联（Fig.7A-C）：4 个预后基因在两种 NETs 亚型间均存在显著差异表达，且在肿瘤组织中表达异常；ARRDC1、TUBB2A、SLC2A3 与 NETs-high 恶性细胞呈正相关。 单基因预后价值（Fig.7D）：4 个基因的表达水平均与患者总生存期显著相关，高表达对应更差的预后。 TUBB2A 遗传共定位（Fig.7E-F）：TUBB2A 的 eQTL 信号与结直肠癌总生存期、癌症特异性生存期的 GWAS 信号呈负相关，提示遗传调控导致的 TUBB2A 表达升高，可能与患者更差的生存结局相关。 单基因功能富集（Fig.7G-J）：ARRDC1 富集于 DNA 修复、MYC 靶点、NF-κB 介导的 TNFα 信号等通路；其余三个基因也分别对应代谢、免疫、增殖相关通路。 蛋白水平验证（Fig.7K-L）：HPA 数据库免疫组化结果显示，SLC2A3 与 TUBB2A 在结肠癌组织中的蛋白表达水平高于正常组织。 逻辑解读 → 从表达、细胞关联、预后三个维度验证 4 个基因的 NETs 相关性与临床价值 → 通过 eQTL-GWAS 共定位，从遗传层面为 TUBB2A 的预后作用提供了更有力的证据 → 单基因 GSEA 解析了各基因参与的通路，为后续机制研究提供了方向 → 蛋白水平的验证进一步支持了这些基因作为临床标志物的可行性 Figure 8：空间转录组数据的聚类与 MIA 区域富集分析研究目标 在空间原位层面解析结肠癌组织的区域异质性，映射 NETs 活性与细胞类型的空间分布特征。方法与目的分析类型具体方法目的 空间数据处理 Seurat 的 SCTransform 标准化、PCA 降维聚类 划分组织的空间转录区域 多模态整合 MIA 方法整合单细胞与空间转录组数据 推断各空间区域的细胞类型富集情况 空间表达映射 可视化 NETs 评分与预后基因的空间分布 验证 NETs 与预后基因的原位分布特征实验设计与结果 为什么进行这个分析？ 单细胞分析丢失了空间位置信息，而 NETs 与肿瘤细胞、免疫细胞的互作具有空间依赖性；通过空间转录组可在组织原位验证 NETs 活性的分布规律，以及与恶性细胞、免疫细胞的空间位置关系。 关键发现 空间聚类结果（Fig.8A-B）：对 GSM7058757 样本无监督聚类得到 7 个空间簇，组织区域存在显著的转录异质性。 NETs 评分空间分布（Fig.8C）：NETs 相关评分在组织切片中呈区域异质性分布，并非均匀表达。 细胞类型空间富集（Fig.8D）：MIA 分析显示，Cluster0、3、5 富集上皮与恶性上皮信号，包括 NETs 相关恶性上皮特征；Cluster1、2、4 富集免疫细胞与基质细胞信号。 预后基因空间分布（Fig.8E）：ARRDC1 空间分布较广，SLC2A3 与 TUBB2A 仅在部分斑点中检测到，呈现空间异质性；DUSP5 未在该空间数据中检测到。 逻辑解读 → 空间转录组验证了结肠癌组织转录特征的区域异质性 → NETs 相关的恶性细胞特征主要富集在肿瘤上皮区域，与免疫基质区域空间分离 → 预后基因的空间分布差异进一步支持了肿瘤内的异质性，也验证了其与恶性区域的关联 Figure 9：细胞间通讯分析结果研究目标 解析 NETs-high 恶性细胞与微环境其他细胞的互作模式，鉴定关键的配体 - 受体信号通路。方法与目的分析类型具体方法目的 细胞通讯预测 CellChat 分析配体 - 受体互作强度 构建细胞间的通讯网络 通路筛选 量化各信号通路的信息流量 鉴定核心的细胞间通讯通路 空间验证 映射配体受体的空间分布 验证信号轴的空间共定位特征实验设计与结果 为什么进行这个分析？ NETs 相关的肿瘤细胞如何调控微环境免疫细胞是关键科学问题，细胞通讯分析可预测关键的信号互作轴，揭示 NETs-high 肿瘤细胞介导免疫逃逸的潜在机制。 关键发现 细胞通讯网络（Fig.9A）：不同细胞类型间存在广泛的配体 - 受体互作，细胞间通讯强度存在显著差异。 核心信号通路（Fig.9B）：MIF 信号通路是潜在的重要通讯信号。 MIF 信号互作模式（Fig.9C-D）：NETs-high 恶性细胞是 MIF 信号的主要发送方，B 细胞、髓系细胞、肥大细胞、T 细胞是主要接收方；MIF 配体在 NETs-high 恶性细胞中高表达，其受体 CD74、CXCR4、CD44 在免疫细胞中高表达。 空间分布验证（Fig.9E）：MIF 在恶性细胞区域高表达，受体 CD74、CD44 在免疫富集区域广泛分布，空间分布模式支持二者的互作关系。 逻辑解读 → 通过细胞通讯分析预测 NETs-high 恶性细胞通过分泌信号分子调控免疫细胞 → 锁定 MIF-CD74/CXCR4/CD44 为核心候选互作轴 → 空间分布验证了配体与受体的空间邻近性，支持该信号轴的生物学合理性 → 提示 NETs-high 肿瘤细胞可能通过 MIF 信号介导免疫微环境重塑，促进免疫逃逸 Figure 10：预后基因表达与结肠癌药物敏感性的关联分析研究目标 探索 NETs 相关预后基因与药物敏感性的关联，为不同风险患者的个体化治疗提供候选药物参考。方法与目的分析类型具体方法目的 药物敏感性预测 oncoPredict 基于 GDSC 数据预测患者 IC50 估算每位患者对药物的响应程度 相关性分析 Spearman 相关分析基因表达与药物 IC50 鉴定基因表达对应的药物敏感性特征 分子对接 CB-Dock 进行药物 - 蛋白盲对接 从结构层面预测药物与靶蛋白的结合能力实验设计与结果 为什么进行这个分析？ 预后模型不仅用于风险分层，更需要关联治疗响应，为不同风险患者提供治疗参考；同时通过分子对接可初步验证药物与靶标的结合潜力，为后续药物研发提供线索。 关键发现 候选药物筛选（Fig.10A）：筛选出 5 种在 NETs 相关背景下响应存在差异的药物：Savolitinib、Buparlisib、Niraparib、Olaparib、Axitinib。 基因 - 药物关联（Fig.10B-E）：ARRDC1 表达与 Niraparib、Olaparib 的预测响应值呈正相关，高表达对应药物不敏感；SLC2A3 表达与这两种 PARP 抑制剂的响应值呈负相关，高表达对应更敏感；不同基因与药物的关联模式具有异质性。 逻辑解读 → 基于公共药物基因组数据，预测 NETs 相关基因表达对应的药物敏感性差异 → 发现 PARP 抑制剂等药物的响应与预后基因表达相关，为 NETs-high 患者的治疗选择提供了候选方向 → 分子对接提供了结构层面的初步支持，但仍需实验验证 Figure 11-12：预后基因的泛癌分析研究目标 在泛癌层面解析 4 个预后基因的表达、预后与免疫浸润特征，拓展其肿瘤研究的普适性。方法与目的分析类型具体方法目的 差异表达分析 Wilcoxon 检验比较 33 种肿瘤与正常组织的基因表达 明确基因在泛癌中的表达谱 预后关联分析 单因素 Cox 回归分析基因与各癌种预后的关联 评估基因的泛癌预后价值 免疫浸润关联 ssGSEA 计算免疫细胞丰度并与基因表达做相关分析 解析基因在泛癌中的免疫调控特征实验设计与结果 为什么进行这个分析？ NETs 相关的生物学过程在多种肿瘤中保守存在，泛癌分析可验证 4 个预后基因的作用是否具有普遍性，为其他癌种的 NETs 相关研究提供参考。 关键发现 ARRDC1 泛癌特征（Fig.11）：在膀胱癌、乳腺癌、结肠癌等多种肿瘤中表达上调；在肾上腺皮质癌、胸腺瘤、胃癌中与预后显著相关；与多数肿瘤的中央记忆 CD8+T 细胞呈负相关。 TUBB2A 泛癌特征（Fig.12）：在多数肿瘤中表达下调；在肝癌、膀胱癌、低级别胶质瘤等多种肿瘤中与预后相关；与多数肿瘤的活化 CD8+T 细胞呈负相关。 其余基因特征：DUSP5、SLC2A3 也分别在多种肿瘤中存在表达异常与预后关联，且与特定免疫细胞亚群具有相关性，不同基因的泛癌特征存在异质性。 逻辑解读 → 泛癌分析验证了 4 个预后基因的肿瘤相关作用具有广谱性 → 基因与免疫细胞的关联模式在多数肿瘤中一致，提示其免疫调控功能的保守性 → 不同癌种中的特异性差异也反映了肿瘤微环境的异质性 研究总结 本研究通过Bulk 转录组 + 单细胞 RNA 测序 + 空间转录组的多组学整合策略，系统解析了中性粒细胞胞外诱捕网（NETs）相关的结肠癌分子异质性，揭示了 NETs 驱动的肿瘤细胞代谢重编程与免疫微环境重塑特征，构建了具有临床潜力的四基因预后风险标签。核心创新点 多维度解析 NETs 肿瘤生物学 首次在单细胞分辨率下鉴定出 NETs-high 恶性上皮细胞亚群，明确其以线粒体氧化磷酸化、细胞呼吸为核心的代谢重编程特征，补充了 NETs 对肿瘤细胞本身调控的认知。 结合空间转录组原位验证了 NETs 相关特征的区域分布，同时通过细胞通讯预测了 MIF 信号轴作为 NETs-high 肿瘤细胞与免疫细胞互作的关键介质。 临床转化价值明确 基于 NETs 相关特征将结肠癌分为两种分子亚型，对应不同的免疫与代谢表型；构建的 ARRDC1/TUBB2A/DUSP5/SLC2A3 四基因预后模型，在多队列中可稳定区分患者生存风险。 通过 eQTL-GWAS 共定位从遗传层面验证了核心基因 TUBB2A 与预后的因果关联，提升了标志物的生物学可信度。临床意义 风险分层工具 四基因预后标签可用于结肠癌患者的术后风险分层，辅助临床制定个体化随访与治疗方案。 治疗靶点提示 NETs-high 肿瘤细胞依赖的线粒体代谢通路、MIF 信号轴，可作为结肠癌潜在的治疗干预靶点，为联合治疗策略提供新思路。 药物响应预测 预后基因与 PARP 抑制剂等药物的敏感性关联，可为 NETs 相关亚型患者的精准用药提供参考。研究局限与展望 研究基于公共数据集的生物信息学分析，NETs 活性通过基因集打分间接评估，缺乏实验直接验证 NETs 形成与肿瘤细胞表型的因果关系。 预后模型的预测效能中等，且仅在一个外部小样本队列中验证，泛化性需更大规模的临床队列进一步验证。 空间转录组仅使用单个样本，细胞通讯与 MIF 信号轴的结论仍需体外细胞实验、动物模型等功能验证。 总体而言，该研究为理解结肠癌中 NETs 的生物学作用提供了多组学层面的新视角，所鉴定的分子亚型与预后标志物为结肠癌的精准诊疗提供了新的候选方向。文献数据来源 本研究所有数据均来自公共数据库，具体信息如下：Bulk 转录组数据 TCGA-COAD 队列 数据来源 美国癌症基因组图谱（TCGA） 样本信息 483 例肿瘤样本，41 例正常对照，其中 419 例带有生存信息 数据类型 TPM 格式表达谱、临床数据、CNV、SNV 数据 下载链接 https://portal.gdc.cancer.gov/ 获取方式 R 包 TCGAbiolinks（v2.25.0）下载 外部验证队列 GSE17537 数据来源 基因表达综合数据库（GEO） 样本信息 55 例结肠癌组织样本，均带有完整生存信息 测序平台 GPL570 [HG-U133_Plus_2] Affymetrix Human Genome U133 Plus 2.0 Array 数据编号 GSE17537 下载链接 https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE17537 获取方式 R 包 GEOquery（v2.25.0）下载单细胞转录组数据 数据集 GSE132257 数据来源 基因表达综合数据库（GEO） 样本信息 5 例结肠癌肿瘤样本 + 5 例正常组织样本 数据编号 GSE132257 下载链接 https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE132257 获取方式 R 包 Seurat（v4.2.0）导入分析空间转录组数据 数据集 GSE225857（样本 GSM7058757） 数据来源 基因表达综合数据库（GEO） 样本信息 4 例原发性结肠癌组织，本研究使用其中 1 例样本 测序平台 10x Genomics Visium 空间转录组平台 数据编号 GSE225857，分析样本 GSM7058757 下载链接 https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE225857 获取方式 R 包 Seurat（v4.0.5）处理分析其他数据库 药物敏感性数据 癌症药物敏感性基因组学数据库（GDSC），https://www.cancerrxgene.org/ 蛋白表达数据 人类蛋白质图谱（HPA）数据库 eQTL-GWAS 数据 SUMMER 数据库 NETs 相关基因集 来自已发表文献（Zhang Y 等，2022, Journal for immunotherapy of cancer）