Pimasertib hydrochloride

引用本文 费庆林，叶龙云，吴伟顶，等. SUMO2介导的RRM1类泛素化修饰调控胰腺导管腺癌吉西他滨耐药［J］. 中国癌症杂志, 2026, 36 (4): 323-332. 基金项目：国家自然科学基金（U21A20374，82173091）。上海市抗癌协会“雏鹰”计划（SACA-CY23B02）。 利益冲突：所有作者均声明无利益冲突。 伦理批件：FUSCC-IACUC-2023280。 知情同意：不需要。 通信作者简介 虞先濬，主任医师，二级教授，博士研究生导师，复旦大学附属肿瘤医院院长，上海市质子重离子医院院长，上海市质子重离子临床技术研发中心主任，复旦大学附属肿瘤医院临床研究中心、 Ⅰ期临床中心主任，上海市胰腺肿瘤研究所所长，复旦大学胰腺肿瘤研究所所长，上海市胰腺肿瘤精准治疗重点实验室主任。国家杰出青年科学基金获得者，科技部“中青年科技创新领军人才”，国务院政府特殊津贴、全国五一劳动奖章获得者，上海市科技精英，上海工匠，上海市领军人才。中国抗癌协会胰腺癌专业委员会主任委员，中华医学会外科学分会胰腺外科学组委员，中国胰腺病学会常委，上海市医学会普外科专科分会副主任委员，美国外科医师学院 Fellow（FACS）。获上海市科技进步奖一等奖、中国抗癌协会科技奖一等奖、上海医学科技奖一等奖、上海市级医院临床创新奖、上海市职工优秀创新成果奖一等奖。主持四大慢病国家科技重大专项1项，国家杰出青年科学基金1项，国家自然科学基金区域合作重点项目1项，国家自然科学基金中德合作项目 1 项，国家自然科学基金面上项目 3 项，省部级项目 15 项。以通信作者在Cancer Cell、Journal of Clinical Oncology、Cell Research、Gastroenterology、Gut、Annals of Surgery国际权威SCI收录期刊上发表论文260余篇。 文章视频解读 SUMO2介导的RRM1类泛素化修饰调控胰腺导管腺癌吉西他滨耐药 费庆林，叶龙云，吴伟顶，金凯舟，虞先濬 复旦大学附属肿瘤医院胰腺外科，复旦大学上海医学院肿瘤学系，上海市胰腺肿瘤研究所，上海市胰腺肿瘤精准诊疗重点实验室，复旦大学胰腺肿瘤研究所，上海 200032 ［摘要］  背景与目的：胰腺导管腺癌（pancreatic ductal adenocarcinoma，PDAC）是高度致命的恶性肿瘤，患者5年生存率不足10%。吉西他滨作为PDAC一线化疗药物，常因肿瘤细胞获得性耐药而失效。类泛素化修饰在癌症耐药中发挥关键作用，但其在PDAC吉西他滨耐药中的机制尚未完全阐明。本研究旨在探讨类泛素化修饰在PDAC耐药中的作用，识别关键SUMO亚型及其靶蛋白。方法：建立吉西他滨耐药的PANC1细胞系（PANC1_GR），通过蛋白质印迹法（Western blot）检测SUMO1、SUMO2和SUMO3的表达水平。采用SUMO激活酶抑制剂ML-792进行药物干预，用细胞计数试剂盒（cell counting kit-8，CCK-8）和流式细胞术分别评估细胞增殖与凋亡情况。通过慢病毒介导敲低SUMO1、SUMO2、SUMO3及RRM1，检测敲低后细胞对吉西他滨的敏感性（IC50）及凋亡变化。利用SUMO2免疫共沉淀结合蛋白质组质谱分析鉴定SUMO2的关键修饰靶蛋白。通过转录组测序分析吉西他滨联合ML-792处理后的差异表达基因，并进行通路富集分析。统计分析采用t检验或单因素方差分析（ANOVA）。本研究获复旦大学附属肿瘤医院实验中心动物伦理委员会批准（伦理批准号：FUSCC-IACUC-2023280）。结果：吉西他滨耐药细胞中SUMO1、SUMO2、SUMO3修饰水平均显著升高，类泛素化修饰抑制剂ML-792可降低整体SUMO2、SUMO3修饰并增强吉西他滨诱导的凋亡。对比不同类泛素化修饰类型后发现，仅SUMO2敲低可显著提高吉西他滨敏感性。SUMO2、SUMO3免疫共沉淀结合质谱分析鉴定RRM1为SUMO2的关键修饰靶蛋白，其SUMO2修饰水平在耐药细胞中明显提升，而ML-792可显著抑制RRM1的SUMO2修饰。RRM1敲低可模拟SUMO2抑制效应，加强吉西他滨诱导的凋亡并降低IC50。转录组分析显示，阻断SUMO2修饰影响DNA复制、错配修复等耐药相关通路，从而削弱细胞的化疗抵抗。综上，SUMO2介导的RRM1类泛素化修饰在PDAC吉西他滨耐药中发挥调控作用。结论：SUMO2-RRM1轴可能参与PDAC对吉西他滨耐药的形成过程，靶向干预RRM1的SUMO2修饰有望为改善PDAC化疗耐药提供新的研究思路。 ［关键词］ 类泛素化修饰；SUMO2；RRM1；吉西他滨耐药；胰腺导管腺癌 ［Abstract］ Background and purpose： Pancreatic ductal adenocarcinoma (PDAC) is one of the most lethal malignancies, with a 5-year survival rate below 10%. Gemcitabine remains a first-line chemotherapeutic agent for PDAC; however, its efficacy is frequently compromised by the development of acquired drug resistance. SUMOylation, a key post-translational modification, has been implicated in cancer progression and chemoresistance, yet its role in gemcitabine resistance in PDAC remains insufficiently defined. This study aimed to investigate the contribution of SUMOylation to PDAC chemoresistance and to identify the critical SUMO isoform and its downstream substrates. Methods： A gemcitabine-resistant PANC1 cell line (PANC1_GR) was established, and the expression of SUMO1, SUMO2, and SUMO3 was assessed by Western blot. The SUMO-activating enzyme inhibitor ML-792 was used to suppress global SUMOylation, and cell proliferation and apoptosis were evaluated using the cell counting kit-8 (CCK-8) assay and flow cytometry, respectively. Lentiviral-mediated knockdown of SUMO1, SUMO2, SUMO3, and RRM1 was performed to assess changes in gemcitabine sensitivity (IC50) and apoptosis. SUMO2 immunoprecipitation combined with mass spectrometry was employed to identify SUMO2-modified target proteins. Transcriptomic sequencing following gemcitabine plus ML-792 treatment was used to analyze differentially expressed genes and pathway enrichment. Statistical analyses were conducted using Student's t-tests or one-way ANOVA. This study was approved by the Animal Ethics Committee of the Experimental Center of Fudan University Shanghai Cancer Center (ethics approval No. FUSCC-IACUC-2023280). Results： SUMO1, SUMO2, SUMO3 conjugation levels were markedly elevated in gemcitabine-resistant cells, and ML-792 effectively reduced global SUMO2, SUMO3 modification while enhancing gemcitabine-induced apoptosis. Among the SUMO isoforms, only SUMO2 knockdown significantly increased gemcitabine sensitivity. SUMO2, SUMO3 Co-IP combined with mass spectrometry identified RRM1 as a major SUMO2-modified substrate, with its SUMOylation markedly enhanced in resistant cells and significantly suppressed by ML-792. RRM1 knockdown phenocopied the effects of SUMO2 inhibition, promoting apoptosis and reducing the IC50 of gemcitabine. Transcriptomic analysis further revealed that inhibition of SUMO2 modification disrupted key pathways associated with drug resistance, including DNA replication and mismatch repair, thereby diminishing cellular chemoresistance. Collectively, these findings indicate that SUMO2-mediated SUMOylation of RRM1 may play a regulatory role in gemcitabine resistance in PDAC. Conclusion： The SUMO2–RRM1 axis may be associated with the development of gemcitabine resistance in PDAC, and modulation of SUMO2-mediated RRM1 modification could offer a potential direction for further investigation. ［Key words］ SUMOylation; SUMO2; RRM1; Gemcitabine resistance; Pancreatic ductal adenocarcinoma 胰腺导管腺癌（pancreatic ductal adeno-carcinoma，PDAC）是全球极具致死性的恶性肿瘤之一，患者的5年生存率不足10%［1］。这主要归咎于疾病的隐匿起病、侵袭性强，也缺乏有效的治疗手段。吉西他滨作为一种通过抑制DNA合成发挥作用的核苷类似物，自1997年获批以来一直是PDAC化疗的一线药物［2-3］。然而，肿瘤细胞的固有或获得性耐药可显著削弱吉西他滨的治疗效果，导致多数患者最终治疗失败［4］。因此，深入阐明吉西他滨耐药的分子机制，对于探索克服耐药的新策略并改善PDAC患者的预后具有重要意义。 蛋白质翻译后修饰在调控细胞生物学过程（包括药物耐受性）中发挥关键作用。其中，类泛素化修饰，即类泛素样修饰蛋白（SUMO）可逆地与底物蛋白共价结合的过程，已被证实是肿瘤发生、转移及多种癌症（包括PDAC）治疗耐药的重要调控机制［5-6］。SUMO家族包括SUMO1、SUMO2和SUMO3，其中SUMO2和SUMO3具有高度的序列同源性，常具有功能冗余性，而SUMO1则通常修饰不同的靶蛋白［7-9］。在肿瘤中，SUMO化水平的异常调控可导致蛋白稳定性、定位及活性的改变，从而促进肿瘤对化疗耐药［10-11］。例如，早幼粒细胞白血病蛋白的低类泛素化修饰状态与吉西他滨和奥沙利铂耐药相关，这一过程通过激活NF-κB和CREB信号转导通路实现［12］。此外，抑制类泛素化修饰通路已被证实能够通过调节肿瘤微环境并增强抗肿瘤免疫反应，从而提高治疗的敏感性［13］。 核苷酸还原酶大亚基（ribonucleotide reductase M1，RRM1）是核苷酸还原酶的重要组成部分，在从头合成脱氧核苷酸和DNA修复过程中发挥关键作用［14-15］。其高表达是PDAC吉西他滨耐药的重要生物标志。然而，调控RRM1活性的分子机制，尤其是通过类泛素化修饰等蛋白质翻译后修饰途径的机制，尚未得到充分研究［16］。本研究旨在探讨类泛素化修饰在促进PDAC细胞吉西他滨耐药中的作用，重点识别特定的SUMO亚型及其靶蛋白，以期揭示逆转耐药的新型治疗靶点。 1 材料和方法 1.1　主要试剂 吉西他滨（HY-17026）、ML-792（HY-108702）购自美国MedChemExpress公司，胎牛血清（fetal bovine serum，FBS；FSD500）购自苏州依科赛生物科技股份有限公司，青-链霉素（双抗）购自美国赛默飞公司，DMEM培养基、磷酸缓冲盐溶液（phosphate-buffered saline，PBS）购自上海源培生物科技股份有限公司，细胞计数试剂盒（cell counting kit-8，CCK-8）细胞活性检测试剂（B34304）购自美国Selleck公司，细胞凋亡检测试剂盒（AD11）购自上海东仁化学科技有限公司，SUMO1抗体（4940S）、SUMO2抗体（4971T）购自美国CST公司，RRM1抗体（R25625）购自成都正能生物技术有限公司，ACTB抗体（AC026）购自武汉爱博泰克生物科技有限公司，SUMO2/3 IP试剂盒（BK162-S）购自美国Cytoskeleton公司，十二烷基硫酸钠聚丙烯酰胺凝胶电泳（sodium dodecylsulphate polyacrylamide gel electrophoresis，SDS-PAGE）凝胶快速制备试剂盒（PG112）、电化学发光（electrochemical luminescence，ECL）试剂盒（SQ202）购自上海雅酶生物医药科技有限公司。 1.2　细胞培养 人类胰腺癌细胞系PANC1、MIA PaCa-2及HEK-293T均购自中国科学院典型培养物保藏委员会细胞库/中国科学院上海生命科学研究院细胞资源中心，所有细胞系均已通过中国科学院典型培养物保藏委员会细胞库进行基因型鉴定，并排除了细菌污染。所有细胞均置于含有10%的FBS、100 U/mL青霉素和100 μg/mL链霉素的完全培养基中，每隔2~3 d换液，上述细胞均在加湿培养箱（37 ℃、CO2体积分数为5%、95%湿度）中培养，保证细胞维持在最佳生长密度。 1.3　病毒感染构建SUMO1、SUMO2、SUMO3、RRM1敲除细胞株 根据张锋实验室提供的sgRNA文库（https：//www.zlab.bio/resources）中的信息，设计SUMO1、SUMO2、SUMO3、RRM1 sgRNA序列，运用基因重组技术将其克隆至lentiCRISPR v2（Addgene，52961）载体中，构建敲除质粒，并使用Sanger测序进行验证。使用重组质粒和慢病毒包装质粒共转染HEK-293T细胞，收集包含慢病毒的细胞上清液，过滤离心后感染PANC1、MIA PaCa-2细胞，构建SUMO1、SUMO2、SUMO3、RRM1敲除的细胞。使用蛋白质印迹法（Western blot）验证SUMO1、SUMO2、SUMO3、RRM1表达情况，明确敲除效率，选择效果最好的稳转株进行功能实验。 1.4　CCK-8法检测细胞增殖活力及药物IC50 取对数生长期细胞，以1×104个/孔（100 μL）接种于96孔板，每组设5个复孔。贴壁过夜后加入含不同浓度吉西他滨（0、0.01、0.05、0.1、0.5、1、5、10、50、100 μmol/L）的完全培养基，继续培养48 h。每孔加入10 μL CCK-8试剂，37 ℃温育2 h后，使用多功能酶标仪测定450 nm波长处吸光度（D）值。以未加药组存活率为100%，计算各浓度组细胞存活率，使用GraphPad Prism 9.5.1线性回归拟合剂量-效应曲线并计算IC50值。 1.5　凋亡检测 根据AnnexinⅤ633细胞凋亡检测试剂盒说明，消化收集不同处理组的细胞，离心后弃去上清液，使用1 mL PBS洗涤后，加入500 μL缓冲液，吹打重悬细胞。在样品中加入5 μL AnnexinⅤ633和5 μL PI染料，避光室温温育15 min，1 h内进行流式细胞术检测。 1. 6　Western blot检测 使用细胞裂解液提取细胞总蛋白，蛋白定量后取等量总蛋白进行SDS-PAGE蛋白电泳，350 mA恒流转膜；用5%脱脂牛奶封闭后，按照说明书加入配制的一抗，4 ℃摇床过夜温育，洗涤后加入对应二抗温育；使用ECL试剂显影后拍照。 1.7　免疫共沉淀实验 收集细胞，使用裂解液提取细胞总蛋白，离心后留取裂解上清液。取部分裂解上清液与上样缓冲液混匀，98 ℃加热10 min，作为Input样本。在细胞裂解液中加入40 μL抗SUMO2/3的琼脂糖珠，4 ℃温育过夜；离心后弃上清液，洗涤琼脂糖珠后，加入上样缓冲液，98 ℃加热10 min作为IP样本；使用Western blot检测IP效率。进一步使用蛋白质谱检测各组IP样本中蛋白表达的差异。 1.8　构建裸鼠皮下移植瘤模型 6~8周龄BALB/c裸鼠（雄性）购自南京集萃药康生物科技股份有限公司。肿瘤细胞以200 μL PBS重悬，接种于小鼠背部皮下以构建皮下移植瘤模型。待肿瘤体积达到500 mm3时，腹腔注射吉西他滨（400 ng/只）治疗，连续给药2周。治疗结束后处死小鼠，完整剥离肿瘤组织并测量肿瘤体积。肿瘤组织进行免疫组织化学染色分析。所有动物实验均严格遵循复旦大学附属肿瘤医院实验中心动物伦理委员会制定的《实验动物饲养和使用指南》，并获得该伦理委员会批准（伦理批准号：FUSCC-IACUC-2023280）。 1.9　转录组测序及数据分析 PANC1细胞经吉西他滨单药或联合ML-792处理后，使用裂解液提取总RNA并送北京诺禾致源科技股份有限公司进行文库构建与高通量测序。获得原始表达矩阵后，利用R语言DESeq2 1.46.0包筛选组间差异表达基因，并通过clusterProfiler 4.14.6包进行京都基因与基因组百科全书（Kyoto Encyclopedia of Genes and Genomes，KEGG）通路富集分析及火山图绘制；此外，从癌症基因组图谱（The Cancer Genome Atlas，TCGA）数据库（https：//www.cancer.gov/ccg/research/genome-sequencing/tcga）下载PDAC队列的转录组及临床数据，利用survival 3.7-0和survminer 0.5.0 R包进行Kaplan-Meier生存分析与log-rank检验，以评估关键基因对患者预后的影响。 1.10　统计学处理 使用GraphPad Prism 9.5.1软件对数据进行统计学分析，计量数据以x̄±s表示。在进行参数检验前，首先采用Shapiro-Wilk检验对数据的正态性分布进行评估。符合正态分布且方差齐性的数据，两组间比较采用Student t检验（双侧），多组间比较采用单因素方差分析（One-way ANOVA）辅以LSD事后检验。所有统计学分析均采用双侧检验。P<0.05为差异有统计学意义。 2 结  果 2.1　类泛素化修饰促进胰腺癌细胞吉西他滨耐药 通过逐步增加PANC1细胞培养基中吉西他滨的浓度，成功建立了吉西他滨耐药株PANC1_GR。IC50检测结果显示，PANC1_GR细胞对吉西他滨的耐受性显著增强，表明耐药模型构建成功（图1A）。进一步检测类泛素化修饰水平发现，耐药细胞中SUMO1、SUMO2及SUMO3修饰水平均显著升高（图1B）。为探讨类泛素化修饰在吉西他滨耐药中的作用，本研究采用类泛素化修饰抑制剂ML-792进行干预。本研究使用0.001~10 μmol/L不同浓度的ML-792处理细胞，以评估其对细胞增殖及类泛素化修饰水平的影响。CCK-8结果显示，当ML-792浓度高于1 μmol/L后，会对细胞增殖产生明显抑制作用；而Western blot检测结果表明，ML-792在浓度≥0.1 μmol/L时即可显著降低细胞内整体类泛素化修饰水平。综合考虑在不显著影响细胞活力的前提下实现对SUMO修饰的有效抑制，最终选取1 μmol/L ML-792作为后续实验的工作浓度（图1C、D）。体外凋亡分析结果显示，ML-792与吉西他滨联合处理可显著增强PANC1和MIA PaCa-2细胞的凋亡效应（图1E、F）。上述结果表明，类泛素化修饰的增强可能促进胰腺癌细胞对吉西他滨治疗的耐药性。 图1　类泛素化修饰对胰腺癌细胞吉西他滨耐药的影响 Fig. 1　SUMOylation effects gemcitabine resistance in pancreatic cancer cells A: IC50 values of PANC1 gemcitabine-resistant cells. B: Protein expression levels of SUMO1 and SUMO2/3 in resistant versus control cells. C: CCK-8 assay results showing the inhibitory effect of the SUMO-activating enzyme inhibitor ML-792. D: Western blot analysis of SUMO1 and SUMO2/3 expression following treatment with increasing concentrations of ML-792. E-F: Flow cytometry analysis of apoptosis in PANC1 and MIA PaCa-2 cells after combined treatment with ML-792 and gemcitabine. Data were presented as the x̄±s. *: P<0.05; **: P<0.01; ***: P<0.001; ****: P<0.000 1; ns: Not significant. GR: Gemcitabine-resistant. GEM: Gemcitabine. MG: Combined treatment with ML-792 and gemcitabine. 2.2　敲低SUMO2增强胰腺癌细胞吉西他滨敏感性 为明确具体哪种SUMO修饰在吉西他滨耐药中发挥关键作用，本研究分别在PANC1和MIA PaCa-2细胞中敲低SUMO1、SUMO2和SUMO3的表达。Western blot检测结果显示，各目标基因表达水平均显著降低（图2A、B）。功能实验发现，敲低SUMO1或SUMO3并未显著影响吉西他滨诱导的细胞凋亡（P>0.05），而敲低SUMO2可显著提高吉西他滨诱导的细胞凋亡比例（P<0.01，图2C~H）。IC50检测进一步证实，SUMO2敲低后PANC1及MIA PaCa-2细胞对吉西他滨的敏感性显著提高，而SUMO1或SUMO3敲低对药物敏感性无显著影响（表1）。在体内实验中，将SUMO2敲低的PANC1和MIA PaCa-2细胞接种于裸鼠皮下后，相较于对照组，吉西他滨对肿瘤生长的抑制作用更加显著（图3A）；免疫组织化学检测结果进一步显示，SUMO2敲低组肿瘤组织中细胞增殖水平明显降低（图3B）。上述结果提示，SUMO2介导的类泛素化修饰在胰腺癌对吉西他滨耐药的形成中可能具有重要的调控作用。 图2　敲低SUMO2对胰腺癌细胞吉西他滨敏感性的影响 Fig. 2　Knockdown of SUMO2 modulated gemcitabine sensitivity in pancreatic cancer cells A-B: Western blot validation of SUMO1, SUMO2, and SUMO3 knockdown in pancreatic cancer cell lines. C-D: Apoptosis analysis of PANC1 and MIA PaCa-2 cells following SUMO1 knockdown. E-F: Apoptosis analysis of PANC1 and MIA PaCa-2 cells following SUMO3 knockdown. G-H: Apoptosis analysis of PANC1 and MIA PaCa-2 cells following SUMO2 knockdown, demonstrating the strongest enhancement of gemcitabine-induced apoptosis. Data were presented as the x±s. *: P<0.05, **: P<0.01; ***: P<0.001; ****: P<0.000 1; ns: Not significant. GEM: Gemcitabine. 图3　SUMO2敲低增强胰腺癌细胞对吉西他滨敏感性的体内实验研究 Fig. 3　In vivo study showed that SUMO2 knockdown enhances the sensitivity of pancreatic cancer cells to gemcitabine A: Representative images of nude mouse xenografts derived from PANC1 and MIA PaCa-2 cells. Each group contained 5 animals. Tumor volume was measured and compared using Student’s t test. B: Xenograft tumor tissues were stained for Ki-67 proliferation (×20). Ki-67 proliferation-high cells were quantified and statistically analyzed by Student’s t test. Data were presented as the x̄±s. *: P<0.05; **: P<0.01; ***: P<0.001, ****: P<0.000 1; ns: Not significant. 表1　胰腺癌细胞IC50 Tab. 1　IC50 values of pancreatic cancer cells 2.3　RRM1是SUMO2修饰的关键蛋白 为鉴定SUMO2修饰的潜在靶蛋白，本研究对PANC1和PANC1_GR细胞进行SUMO2/3免疫共沉淀实验。结果显示，耐药细胞株中SUMO2/3修饰蛋白显著富集（图4A）。质谱分析提示，RRM1在PANC1_GR细胞中显著上调（表2），Western blot验证结果与之吻合（图4B）。同时，在PANC1耐药细胞株中亦观察到RRM1表达水平升高（图4C）。进一步使用ML-792处理后，PANC1和PANC1_GR细胞中整体SUMO2/3修饰水平、RRM1表达及RRM1的SUMO2/3修饰均明显下降（图4D、E）。反向免疫共沉淀实验同样显示，ML-792可降低RRM1与SUMO2/3的结合水平（图4F）。以上结果表明，RRM1是SUMO2修饰的关键靶蛋白，其SUMO2/3修饰在吉西他滨耐药细胞中显著增强，通过该修饰可提高RRM1蛋白稳定性、减少其降解，从而促进RRM1的累积并参与耐药表型的维持。 图4　Western blot 检测SUMO2、RRM1 的蛋白表达结果 Fig. 4　Western blot analysis of SUMO2 and RRM1 protein expression A: Western blot analysis of SUMO2/3 following immunoprecipitation. B: Western blot analysis of RRM1 following immunoprecipitation. C: Western blot analysis of RRM1 expression in gemcitabine-resistant PANC-1 cells. D-E: Western blot detection of SUMO2/3 and RRM1 after ML-792 treatment. F: Reverse immunoprecipitation showing Western blot results for SUMO2/3 and RRM1. GR: Gemcitabine-resistant. IP: Immunoprecipitation. 2.4　抑制RRM1的SUMO2修饰可影响RRM1功能并增强吉西他滨敏感性 TCGA数据库分析显示，RRM1高表达的胰腺癌患者预后差（图5B、C）。功能实验中，在PANC1及MIA PaCa-2细胞中敲低RRM1（图5A）可显著增强吉西他滨诱导的凋亡（P<0.01，图5D、E），并降低其IC50值（表1），与抑制SUMO2修饰的结果一致。为进一步探讨类泛素化修饰对吉西他滨疗效的分子机制，我们进行了转录组测序。结果显示，吉西他滨联合ML-792处理后，共有1 028个基因上调，415个基因下调（图5F）。KEGG富集分析提示，差异基因主要涉及MAPK信号转导通路、DNA复制及错配修复等关键通路（图5G）。联合处理后，与DNA复制相关的基因（RFC2、MCM2、POLA1、MCM4、RPA2、RPA1、PCNA、MCM7、RPA4）及错配修复相关基因（RFC2、MSH2、RPA2、RPA1、PCNA、RFC3、RPA4）表达均显著上调（图5H、I）。鉴于RRM1在DNA合成与修复中的重要作用，这些结果提示抑制RRM1的SUMO2修饰可能削弱其功能，从而增强胰腺癌细胞对吉西他滨的敏感性。 图5　抑制SUMO2修饰对RRM1功能的影响 Fig. 5　Effect of inhibiting SUMO2 modification on RRM1 function A: Western blot validation of RRM1 knockdown in pancreatic cancer cell lines. B: Determination of the optimal cutoff value for RRM1 expression using the Cancer Genome Atlas datasets. C: Kaplan-Meier survival analysis comparing overall survival between RRM1-high (n=96) and RRM1-low (n=75) patient cohorts. D-E: Apoptosis analysis following RRM1 knockdown. F: Volcano plot of differentially expressed genes after combined treatment with gemcitabine and ML-792. G: Kyoto Encyclopedia of Genes and Genomes pathway enrichment Dot plot of differentially expressed genes. H-I: Heatmaps showing different gene expression in the mismatch repair and DNA replication pathways. Data were presented as the x̄±s. *: P<0.05; **: P<0.01; ***: P<0.001; ****: P<0.000 1; ns: Not significant. GEM: Gemcitabine. MG: Combined treatment with ML-792 and gemcitabine. 表2　免疫沉淀蛋白质谱结果 Tab. 2　Immunoprecipitation-based proteomic analysis results 3 讨　　论 本研究揭示了SUMO2介导的SUMO化修饰在PDAC吉西他滨耐药中的核心作用，这一结论与既往关于PDAC耐药中类泛素化修饰整体失衡的研究结果一致［6，8］，但进一步明确了SUMO2亚型的重要地位。既往研究多集中于SUMO化总体水平升高与化疗耐受性的相关性，而本研究通过特异性敲低实验证实，仅抑制SUMO2即可显著逆转吉西他滨耐药表型，而SUMO1或SUMO3的敲低几乎不影响该效应。尽管SUMO2与SUMO3在序列上高度同源、理论上具备一定的功能性补偿，但已有研究表明，在丁酸诱导的耐药细胞模型中，SUMO3修饰发挥主要调控作用［11］，提示二者在功能上并非完全冗余。在吉西他滨诱导下的应激状态，本研究观察到SUMO2修饰发挥主要作用，这可能与其在应激状态下参与蛋白聚集抑制、RNA代谢调控及蛋白稳定性维持等方面的独特机制有关［13］。近期研究亦从不同角度支持SUMO亚型功能的异质性，有研究［17］表明SUMO化抑制可通过多重肿瘤微环境效应诱导PDAC的适应性抗肿瘤免疫，而2025年的研究［18］显示，联合抑制磷脂酰肌醇3-激酶（phosphoinositide 3-kinase，PI3K）α/δ与SUMO信号转导通路能够选择性杀伤PDAC细胞并激活免疫应答。上述证据与本研究结果相互补充，提示不同化疗药物类型（如吉西他滨与铂类药物）及细胞或微环境上下游环节可能驱动特定SUMO亚型的选择性激活。总体而言，尽管SUMO化作为广谱肿瘤调控机制已得到广泛认可，其亚型特异性仍有待系统阐明，这在一定程度上限制了精准靶向干预策略的临床转化。 选择性SUMO激活酶抑制剂ML-792在低浓度条件下即可显著降低细胞整体SUMO化水平，并与吉西他滨产生协同效应以增强肿瘤细胞凋亡。这一特性与临床前研究中报道的同类型抑制剂TAK-981高度一致，后者可通过激活Ⅰ型干扰素信号、阻滞细胞周期进程并重塑肿瘤微环境发挥多层面的抗肿瘤作用［12，18］。既往研究多聚焦于TAK-981的免疫调控功能，而本研究则凸显了SUMO通路抑制在直接逆转化疗耐药方面的潜在价值，尤其是在体外PDAC模型中表现出的与吉西他滨协同杀伤效应。近期研究进展亦在不断拓展该通路的治疗前景，多项研究证实TAK-981在PDAC模型中可增强T淋巴细胞介导的抗肿瘤免疫、减少调节性T淋巴细胞比例并激活先天免疫反应［17，19］，同时与PI3K抑制剂联用可产生选择性的肿瘤杀伤效应［18］。由此可见，SUMO抑制剂已进入临床研究阶段并展现出多机制抗肿瘤潜力，但其在吉西他滨耐药背景下的直接体内证据仍相对有限，主要挑战在于开发亚型特异性药物及优化联合治疗方案，只有这样才能使治疗效果最大化。 免疫共沉淀联合质谱分析鉴定RRM1为耐药细胞中SUMO2的关键修饰底物，其SUMO化水平的升高通过增强蛋白稳定性，促进脱氧核苷酸合成及DNA损伤修复，从而直接对抗吉西他滨介导的链终止效应。这一发现在既往RRM1与PDAC化疗耐药及不良预后密切相关的研究基础上［4，19］，进一步拓展了其分子调控层面的认识。功能实验显示，敲低RRM1可完全模拟SUMO2抑制所产生的表型，进一步揭示了SUMO2-RRM1轴作为调控吉西他滨耐药的重要通路。转录组测序结果表明，联合治疗后MAPK信号转导通路、DNA复制及错配修复相关基因显著上调，提示RRM1功能受抑后细胞启动代偿性应激与修复反应，这与既往关于SUMO化在DNA损伤应答及核苷酸代谢稳态调控中发挥广泛作用的报道［13］一致。相较于现有研究主要聚焦于RRM1的转录水平或表观遗传调控，本研究将RRM1与翻译后SUMO化修饰相联系，揭示了其更为上游且精细的调控机制。近期基于TCGA数据库的分析亦提示SUMO底物相关基因可作为PDAC预后标志物［20］，但尚未特异指向RRM1，进一步凸显了本研究的创新性；同时也暴露出当前研究领域的不足，即SUMO底物谱的系统鉴定、SUMO聚合的动态形式及位点特异性功能仍存在较大研究空白，有待进一步深入探索。 尽管本研究为SUMO2-RRM1轴作为PDAC潜在治疗靶点提供了有力证据，但仍存在一定局限性。首先，研究主要基于体外模型，难以充分反映体内肿瘤异质性、基质-上皮互作及复杂免疫微环境，可能高估协同效应［20］。其次，所用细胞系局限于经典PDAC模型，未覆盖不同分子亚型，影响结论的泛化性。此外，Western blot定量偏差、质谱对低丰度/瞬时SUMO化底物的检出能力限制、转录组分析中多重检验控制不足，以及耐药细胞系构建过程中的克隆选择偏倚，均可能影响结果稳健性。未来需在原位移植瘤、PDX及基因工程小鼠模型中进一步验证，并结合临床队列评估该轴的表达异质性。同时，探索SUMO抑制剂（如ML-792/TAK-981）与吉西他滨/白蛋白结合型紫杉醇标准方案的联合应用［12，18］，并结合纳米递送策略克服耐药屏障［19］，有望促进临床转化；同时，精确解析RRM1的SUMO化位点将为开发位点特异性干预手段奠定基础。总之，本研究通过与现有文献的对比分析，阐明了SUMO2特异性调控在PDAC吉西他滨耐药中的分子机制，补充并拓展了相关证据，为靶向SUMO通路的耐药逆转策略提供了新洞见，颇具临床转化前景。 第一作者： 费庆林，硕士研究生。 通信作者： 虞先濬，博士，主任医师，教授，博士研究生导师，复旦大学附属肿瘤医院院长。 作者贡献声明： 费庆林：完成实验，撰写并修改文章；叶龙云：参与实验，修改文章；吴伟顶：实验指导，修改文章；金凯舟：实验方案设计，实验指导；虞先濬：提出研究方案和设计思路，设计论文框架，撰写和修改论文。 ［参考文献］ ［1］ SIEGEL R L, GIAQUINTO A N, JEMAL A. Cancer statistics, 2024［J］. CA A Cancer J Clin, 2024, 74(1): 12-49. ［2］ ZENG S Y, PÖTTLER M, LAN B, et al. Chemoresistance in pancreatic cancer［J］. Int J Mol Sci, 2019, 20(18): 4504. ［3］ PARK W, CHAWLA A, O’REILLY E M. Pancreatic cancer: a review［J］. JAMA, 2021, 326(9): 851. ［4］ DU TOIT-THOMPSON T, LECK L, GILLSON J, et al. Overcoming therapy resistance in pancreatic cancer: challenges and emerging strategies［J］. Adv Drug Deliv Rev, 2025, 224: 115647. ［5］ BIEDERSTÄDT A, HASSAN Z, SCHNEEWEIS C, et al. SUMO pathway inhibition targets an aggressive pancreatic cancer subtype［J］. Gut, 2020, 69(8): 1472-1482. ［6］ SCHNEEWEIS C, HASSAN Z, SCHICK M, et al. The SUMO pathway in pancreatic cancer: insights and inhibition［J］. Br J Cancer, 2021, 124(3): 531-538. ［7］ HU Y B, CHEN C B, TONG X Y, et al. NSUN2 modified by SUMO-2/3 promotes gastric cancer progression and regulates mRNA m5C methylation［J］. Cell Death Dis, 2021, 12(9): 842. ［8］ LI X, DING R, WANG H, et al. Research advancements on sumoylation in gastrointestinal cancers［J］. Mol Aspects Med, 2025, 106: 101401. ［9］ SANG J, YANG K, SUN Y P, et al. SUMO2 and SUMO3 transcription is differentially regulated by oxidative stress in an Sp1-dependent manner［J］. Biochem J, 2011, 435(2): 489-498. ［10］ HAN Z J, FENG Y H, GU B H, et al. The post-translational modification, SUMOylation, and cancer (review)［J］. Int J Oncol, 2018, 52(4): 1081-1094. ［11］ ZHU L M, CHEN G, HUANG C J, et al. SUMO3 inhibition by butyric acid suppresses cell viability and glycolysis and promotes gemcitabine antitumor activity in pancreatic cancer［J］. Biol Direct, 2024, 19(1): 74. ［12］ KUMAR S, SCHOONDERWOERD M J A, KROONEN J S, et al. Targeting pancreatic cancer by TAK-981: a SUMOylation inhibitor that activates the immune system and blocks cancer cell cycle progression in a preclinical model［J］. Gut, 2022, 71(11): 2266-2283. ［13］ GU Y R, FANG Y, WU X, et al. The emerging roles of SUMOylation in the tumor microenvironment and therapeutic implications［J］. Exp Hematol Oncol, 2023, 12(1): 58. ［14］ HASSELLUHN M C, SCHLÖSSER D, VERSEMANN L, et al. An NFATc1/SMAD3/cJUN complex restricted to SMAD4-deficient pancreatic cancer guides rational therapies［J］. Gastroenterology, 2024, 166(2): 298-312.e14. ［15］ VENA F, LI CAUSI E, RODRIGUEZ-JUSTO M, et al. The MEK1/2 inhibitor pimasertib enhances gemcitabine efficacy in pancreatic cancer models by altering ribonucleotide reductase subunit-1 (RRM1)［J］. Clin Cancer Res, 2015, 21(24): 5563-5577. ［16］ LAO Y X, JIN Y R, WU S F, et al. Deciphering a profiling based on multiple post-translational modifications functionally associated regulatory patterns and therapeutic opportunities in human hepatocellular carcinoma［J］. Mol Cancer, 2024, 23(1): 283. ［17］ ERDEM S, LEE H J, SHANKARA NARAYANAN J S N, et al. Inhibition of SUMOylation induces adaptive antitumor immunity against pancreatic cancer through multiple effects on the tumor microenvironment［J］. Mol Cancer Ther, 2024, 23(11): 1597-1612. ［18］ KÖSE H, SCHNEEWEIS C, PUTZE P, et al. Targeting mutual dependence of phosphatidylinositol-3-kinase α/δ and small ubiquitin-like modifier signaling in pancreatic cancer［J］. Gastroenterology, 2026, 170(2): 315-329. ［19］ PENG L J, LIANG Y F, GUO X N, et al. Nanomedicine breakthroughs overcoming pancreatic cancer drug resistance through precision nano-interventions［J］. Nanoscale Adv, 2025, 7(19): 5888-5904. ［20］ WANG X J, YANG C X, LIU Y M, et al. SUMOylation substrate encoding genes as prognostic biomarkers in pancreatic ductal adenocarcinoma with functional assessment of SAF-B2［J］. Front Pharmacol, 2025, 16: 1532658. 编辑：莫颖 审核：王琳辉 李广涛

点击上方蓝色字体关注我们 新时代数字养虾人，千万次动心，不及你低头浅笑的样子——益栈信 一、研究的背景与核心科学问题 研究背景 肝细胞癌（HCC）是全球致死率最高的恶性肿瘤之一，其显著的瘤内与肿瘤微环境（TME）异质性是临床治疗的核心屏障。这种异质性体现在基因组、表观遗传、转录组及微环境调控等多个生物学维度，直接导致治疗耐药、肿瘤远处转移与侵袭，并最终造成患者预后极差。尽管近年来免疫检查点抑制剂、抗血管生成联合疗法等手段为HCC治疗带来突破，但临床客观缓解率仍未达到预期，且针对不同进展阶段HCC的治疗策略缺乏精准的分子依据，其核心原因在于对HCC从发生到转移全过程中，恶性细胞与TME异质性的动态演变规律解析不足。 现有HCC单细胞转录组研究多聚焦于单一患者队列或疾病某一特定阶段，且多孤立分析恶性细胞或TME单个组分，缺乏跨正常肝组织、原发肿瘤、门脉癌栓（PVTT）、淋巴结转移（MLN）的全进展阶段整合分析；同时，对恶性细胞转录特征与TME细胞亚群的空间互作关系解析较为匮乏，无法构建“分子-空间”关联的HCC进展调控模型，难以挖掘具有广谱临床价值的治疗靶点。 核心科学问题 本研究紧扣领域内的核心科学空白，旨在明确两个层层递进的核心问题：其一，HCC从正常肝组织发生，到原发瘤进展、PVTT形成及MLN远处转移的全过程中，恶性肝细胞的转录特征如何演变？TME中髓系、内皮、成纤维细胞的功能亚群发生了怎样的动态重塑？二者的互作关系如何调控HCC的进展与转移？其二，基于HCC异质性的动态演变规律，能否挖掘出跨恶性细胞与TME、兼具癌症必需性与临床预后价值的核心治疗靶点，为克服HCC治疗耐药、实现精准治疗提供新的分子方向？ 研究意义 本研究通过整合单细胞转录组与空间转录组技术，首次构建了覆盖HCC全进展阶段的细胞生态与空间分子整合图谱，填补了领域内缺乏跨阶段、多维度整合分析的空白，系统阐明了HCC恶性细胞与TME异质性的动态演变规律及互作调控机制。同时，本研究建立了“计算机模拟扰动+癌症依赖图谱+多临床队列验证”的靶点筛选体系，将基础研究发现与临床治疗需求深度结合，锁定了具有明确转化潜力的核心治疗靶点HSP90B1，为HCC精准肿瘤学的发展提供了全新的分子与空间框架，也为其他异质性显著的恶性肿瘤研究提供了可借鉴的分析范式，推动了肿瘤基础研究向临床转化的落地。 二、整体研究设计与逻辑框架 本研究针对HCC异质性解析与临床靶点挖掘的核心需求，设计了“单细胞解构—空间验证—计算机模拟靶点筛选”的三步走整合研究策略，该策略以“从临床问题出发，回归临床应用”为核心导向，实现了从现象描述到机制解析，再到靶点挖掘的完整研究闭环。 第一步通过整合正常肝、原发HCC、PVTT、MLN的大规模单细胞转录组数据，经严格质控、批次校正与细胞注释，系统解构HCC全进展阶段的细胞动力学特征，鉴定恶性肝细胞的核心转录元程序与TME中具有预后价值的功能异质性亚群，解析细胞间的通讯调控网络，完成对HCC异质性的全景式描绘（广度）；第二步利用10x Visium空间转录组技术，结合去卷积、空间通讯分析等工具，将单细胞层面发现的细胞亚群、分子互作网络映射至肿瘤组织切片，验证并构建具有明确空间结构的促肿瘤生态位，明确分子特征的空间分布规律与调控机制，实现对HCC异质性的机制性深挖（深度）；第三步基于Geneformer开展跨恶性细胞、免疫细胞、基质细胞的计算机模拟敲除筛选，结合DepMap癌症依赖图谱鉴定癌症必需基因，再通过多个临床治疗队列与预后队列进行多维度验证，最终锁定具有临床转化价值的核心治疗靶点，完成从基础研究到临床应用的回归（靶点）。 整体研究设计形成了“现象-机制-靶点”的完整逻辑闭环，各研究环节层层递进、相互印证，所有分析均基于HCC全进展阶段的样本数据，确保研究结果能真实反映HCC的生物学特征，同时将单细胞分子特征与空间组织结构、临床预后与治疗响应紧密结合，让研究发现兼具理论深度与临床应用价值。 三、数据与方法论总览 本研究采用多类型、多来源的组学数据，覆盖单细胞转录组、空间转录组与批量转录组，同时整合了前沿的生物信息学分析工具，实现了从原始数据处理、细胞异质性解析到靶点筛选与临床验证的全流程分析，以下为数据来源与核心分析方法的系统汇总。 数据来源 本研究的数据均来自公共数据库与已发表研究，其中单细胞转录组数据为核心分析数据，空间转录组数据用于分子特征的空间验证，批量转录组数据用于临床预后与治疗响应的验证，具体信息见表1。 表1 本研究使用的组学数据来源汇总 核心分析方法 本研究使用的分析工具覆盖了原始数据处理、恶性细胞解析、转录调控分析、细胞间通讯、空间解析、靶点筛选及临床验证等全流程，按研究功能对工具进行分类，各工具的核心研究角色见表2。 表2 本研究使用的核心生物信息学工具及研究角色 四、核心研究发现 1）肝细胞癌进展过程中细胞动力学的单细胞分析 研究出发点与目标 现有HCC单细胞研究多聚焦单一疾病阶段，缺乏跨正常肝→原发瘤→门脉癌栓（PVTT）→淋巴结转移（MLN）全进展阶段的细胞全景图谱，无法明确不同阶段细胞组成的动态变化规律，也难以确定HCC进展的核心细胞特征。本部分研究的核心目标是：构建HCC全进展阶段的单细胞转录组全景图谱，通过质控与批次校正排除技术偏倚，完成细胞类型注释，并解析各细胞类型的组织分布与相关性特征，为后续深入研究奠定基础。 核心研究过程与结果 1.样本处理与质控：整合6个公共数据库的scRNA-seq原始数据（183例样本），先经病理筛选排除肝内胆管癌、混合型HCC-ICC样本，再通过严格质量过滤（去除nCount_RNA<200/>50000、检测基因<200/>5000、线粒体基因表达>15%的低质量细胞），并利用decontX去除环境RNA污染，最终保留115例纯HCC样本用于后续分析。 2.批次效应校正：采用Harmony对多来源数据进行批次效应校正，通过kBET验证校正效果，数据拒绝率从0.827降至0.328，且细胞簇分布跨患者与数据集，排除了技术偏倚与患者特异性影响。 3.细胞类型注释：基于谱系特异性标记基因，成功注释出7个主要细胞亚群，各亚群核心标记基因明确： 1.肝细胞：ALB、APOA2、KRT18（增殖型肝细胞额外表达TOP2A、MKI67）； 2.内皮细胞：VWF、PECAM1； 3.成纤维细胞：COL1A1、COL1A2、ACTA2； 4.浆细胞：MZB1、IGHG1；B细胞：CD79A、MS4A1； 5.NK/T细胞：CD3D、CD3E、KLRD1、NKG7； 6.髓系细胞：LYZ、CD68、CD163、CD14。 4.细胞组成动态分析：明确各细胞类型在HCC不同阶段的分布规律，核心特征为： 1.肝细胞比例从正常肝→原发瘤→PVTT→MLN逐步递增，为转移灶的核心细胞类型； 2.髓系细胞在PVTT与MLN中显著扩增，成为转移灶主要免疫细胞； 3.NK/T细胞、B细胞富集于正常肝组织，在肿瘤与转移灶中占比大幅降低； 4.成纤维细胞特异性富集于原发肿瘤组织，为原发瘤基质核心组分。 5.细胞相关性分析：发现两个关键相关性特征：①内皮细胞与成纤维细胞呈显著正相关，提示二者在TME中存在潜在协同作用；②肝细胞、基质细胞、髓系细胞与NK/T细胞呈显著负相关，提示基质-髓系细胞的富集可能导致淋巴细胞排斥，形成免疫抑制性TME。 图 1：HCC 进展过程中细胞动力学的单细胞分析 A研究设计示意图（由 biorender 制作）。B主要细胞群中谱系特异性标记表达的散点图。C UMAP投影图，显示 7 个主要细胞群。D细胞类型在不同组织类型（正常、肿瘤、门静脉癌栓、肠系膜淋巴结）中的分布。E各组织中细胞类型的比例组成。F各样本中细胞类型比例的相关性热图。 互动问答 问：研究中通过哪些手段排除技术偏倚，确保构建的单细胞图谱能真实反映HCC的细胞生物学特征？ 答：研究通过三重手段排除技术偏倚：①严格的质量过滤+decontX去污染，去除低质量细胞与环境RNA干扰；②Harmony进行批次效应校正，并用kBET验证校正效果，大幅降低数据拒绝率；③验证细胞簇分布跨患者与数据集，且回归RNA计数后UMAP投影无明显变化，排除了患者特异性与技术变量的影响。 问：从细胞组成的动态变化，能初步判断HCC进展与转移的核心细胞特征是什么？ 答：可初步判断两大核心特征：一是恶性肝细胞的逐步富集，成为肿瘤进展与转移的核心细胞基础；二是TME的免疫抑制重塑，表现为免疫活化的NK/T、B细胞减少，免疫抑制的髓系细胞扩增，同时基质细胞（成纤维、内皮）与髓系细胞协同形成排斥淋巴细胞的微环境。 2）cNMF分析揭示了HCC恶性细胞异质性背后的元程序 研究出发点与目标 传统细胞聚类分析仅能根据基因表达水平将恶性细胞分为不同簇，难以识别跨患者、保守的核心转录特征，也无法解释HCC恶性细胞异质性的本质来源；且前期仅完成了细胞类型的全景注释，尚未解析恶性肝细胞的核心转录规律。本部分研究的核心目标是：鉴定HCC恶性细胞中保守的转录基因表达程序（GEP），并归纳为更高层级的转录元程序（MP），明确各元程序的功能特征、组织分布规律，为后续解析其临床价值与调控机制提供分子框架。 核心研究过程与结果 1.恶性细胞鉴定与CNA分析：利用CopyKAT工具基于拷贝数变异（CNA）图谱区分恶性肝细胞与正常肝细胞，发现CNA存在显著患者间异质性，但8号染色体的扩增与局灶性缺失为跨患者的复发改变，是HCC恶性细胞的共性基因组特征。 2.GEP鉴定与验证：对鉴定出的恶性细胞采用cNMF进行基因表达程序分解，得到15个GEPs；通过患者混合熵分析验证，发现15个GEPs均跨患者共享，且分布独立于患者身份与批次效应，排除了个体特异性影响。 3.转录元程序（MP）归纳：对15个GEPs进行层次聚类，归纳出4个具有保守特征的转录元程序，且MPs的患者混合熵显著高于单个GEPs，证实其为患者独立、可复现的核心转录状态。 4.4个MPs的功能与组织分布特征：通过Metascape富集分析、GSEA分析明确各MP的功能特征，并结合组织分布分析其与疾病进展的关联，核心特征如下： 1.MP1（Diff-Metabolic，分化代谢型）：富集肝特异性代谢通路（胆汁酸、脂肪酸、异生物代谢、解毒），保留肝组织特异性功能，与良好预后相关； 2.MP2（Prolif-Stress，增殖应激型）：富集活性氧、内质网应激等应激通路，同时激活MYC、E2F靶点及G2M检查点，代表增殖状态下的细胞应激特征； 3.MP3（MYC-Biosynth-Immune，MYC合成免疫型）：以MYC通路活化、核糖体生物合成、翻译调控为核心，同时富集中性粒细胞脱颗粒等先天免疫过程，抑制适应性免疫与肝代谢通路； 4.MP4（EMT-Inflammatory，EMT炎症型）：富集细胞运动、EMT、TGFβ/NFκB/TNFα炎症通路，抑制代谢通路，代表侵袭性炎症表型。 5.MPs的组织分布规律：原发瘤中4个MPs均衡分布；PVTT中MP2与MP4显著富集，体现转移灶的增殖与侵袭特征；MLN中则以MP2为主，提示远处转移灶的恶性细胞存在高增殖型的选择性定植特征。 图 2：cNMF 分析识别 HCC 恶性细胞异质性的潜在元程序 A.15个基因表达谱(GEP)的层次聚类热图，揭示了4个元程序(MP)。B . UMAP图显示了四个元程序的表达评分：MP1（差异代谢）、MP2（增殖应激）、MP3（MYC-生物合成-免疫）和MP4（EMT-炎症）。颜色梯度表示评分强度。C .根据元程序着色的恶性细胞UMAP投影。D .元程序在不同组织类型（肿瘤、门静脉癌栓、肠系膜淋巴结）中的分布。E .每个元程序的标记基因散点图。F .验证跨元程序功能特征的标志性基因集评分。伪时间轨迹分析：G.轨迹叠加图显示了伪时间起始处的EMT-炎症以及分叉；H.元程序沿伪时间的分布。I .余弦相似性热图比较了肝细胞癌(HCC)元程序与Gavish等人提出的泛癌程序。J热图展示了 MPs 与 Hoshida 分子亚类（S1–S3）之间的相关性。K热图展示了 MPs 在 Boyault 转录组亚类（G1–G6）中的富集情况及其相关的基因特征。 互动问答 问：研究为何选择cNMF而非传统的细胞聚类方法分析恶性细胞的转录特征？ 答：传统细胞聚类仅能根据基因表达相似度将细胞分簇，易受患者特异性、技术偏倚影响，难以识别跨患者的保守规律；而cNMF可分解出基因表达程序（GEP），能捕捉恶性细胞中协同表达的基因集合，再通过层次聚类得到元程序（MP），更能反映HCC恶性细胞异质性的核心转录本质，且经患者混合熵验证，MPs具有跨患者的保守性，为后续研究提供了稳定的分子框架。 问：4个元程序的组织分布规律，反映了HCC从原发到转移的过程中，恶性细胞的转录状态发生了怎样的转变？ 答：反映了恶性细胞从“多状态均衡”向“高增殖、高侵袭”的定向转变：原发瘤中恶性细胞仍保留部分分化代谢特征（MP1），同时存在增殖、炎症、合成等多种状态；而进入脉管转移（PVTT）后，恶性细胞向增殖应激（MP2）和EMT炎症（MP4）两个促转移状态富集；到远处淋巴结转移（MLN）时，进一步筛选为高增殖型（MP2），提示高增殖能力是恶性肝细胞实现远处定植的关键特征。 3）恶性细胞的转录异质性和状态特异性治疗脆弱性 研究出发点与目标 已鉴定的4个转录元程序（MP）的转录调控网络尚未解析，无法明确其表型维持的分子机制；且MPs的临床预后价值、状态间的演化关系，以及不同MP对应的治疗响应特征与药物脆弱性均未明确，无法将分子特征与临床治疗应用挂钩。本部分研究的核心目标是：解析各MP的核心转录因子调控网络，明确MPs的演化轨迹与临床预后价值，挖掘不同MP的状态特异性治疗脆弱性，为HCC个体化治疗提供分子依据。 核心研究过程与结果 1.转录因子（TF）调控网络分析：采用pySCENIC工具分析各MP的核心TF活性，明确其转录调控特征： 1.MP1由NR1I3、SOX4、TP73等肝系谱系TF主导调控，维持其分化代谢的肝组织特征； 2.MP2高表达HOXA7、ELF3等细胞周期调控TF；MP3由HMGA1、SOX2、NEUROD1调控，强化MYC活化特征； 3.MP4由CREB5、SOX9、JUNB等间质型TF调控，介导EMT与炎症表型； 4.关键发现：TF存在跨MP共享特征（MP2/MP4共享ATF3、FOSB；MP1/MP4共享JUNB），提示共享TF可能介导恶性细胞的表型可塑性，为治疗耐药提供分子基础。 2.MPs的演化轨迹分析：采用Monocle2结合GeneSwitches进行拟时序轨迹分析，明确恶性细胞的状态转换规律：MP4（EMT-Inflammatory）为恶性细胞的起始状态，随后分叉向MP1（Diff-Metabolic）和MP2（Prolif-Stress）分化，MP3则处于中间过渡状态，同时鉴定出各阶段的时序调控基因（如干/祖细胞标记EPCAM为起始标记，肝代谢酶CYP2D6为分化后标记）。 3.临床预后价值验证：将4个MP的特征基因签名通过ssGSEA映射至TCGA-LIHC队列，进行Kaplan-Meier生存分析：MP1高评分与患者更长的总生存期显著相关，为预后良好的分子特征；而MP2、MP3、MP4高评分均与不良预后显著相关，是HCC进展的不良分子标志物。 4.状态特异性治疗脆弱性分析：利用scTherapy基于单细胞转录组特征预测药物敏感性，得到两大核心结果： 1.广谱有效药物：蛋白酶体抑制剂（硼替佐米）、DNA损伤剂（柔红霉素）对4个MP均有显著疗效，为HCC的通用治疗候选药物； 2.状态特异性敏感药物：MP2对HSP90抑制剂ganetespib、MEK抑制剂TAK-733敏感；MP4对MEK抑制剂（AS-703026）、BCL-2抑制剂navitoclax敏感；MP3对紫杉醇、MEK抑制剂trametinib敏感；HDAC抑制剂仅对MP2/3/4有效，对MP1无作用。 5.索拉非尼耐药的核心发现：在GSE109211索拉非尼治疗队列中，4个MP在非响应者中评分均显著升高，其中MP1的富集最为明显；结合MP1的代谢特征，提示其虽预后良好，但保留的肝特异性代谢通路可将索拉非尼代谢灭活，介导代谢性耐药。 图 3：恶性细胞的转录异质性和特定状态的治疗脆弱性 A.利用pySCENIC绘制的四种恶性细胞状态下转录因子活性的热图。恶性细胞分化轨迹分析：B. Monocle轨迹状态；C. GeneSwitches分析显示时间调控的基因转换。TCGA-LIHC队列中按元程序评分分层的Kaplan-Meier生存曲线：D. Diff-Metabolic（有利），E. Prolif-Stress（不利），F. MYC-Biosynth-Immune（不利），G. EMT-Inflammatory（不利）。H .箱线图比较索拉非尼应答者和非应答者之间的元程序评分（GSE109211）。I 、J.元程序特异性药物敏感性预测。I .每个元程序的选择性药物数量（生物渲染器创建的示意图）。J .不同元程序状态下的药物选择性模式。 互动问答 问：跨MP的共享转录因子（如ATF3、FOSB）对HCC治疗有何警示意义？ 答：共享TF的存在提示恶性细胞具有表型可塑性——在治疗压力下，恶性细胞可通过调控共享TF实现不同转录状态的转换，例如从对药物敏感的MP2转换为耐药的MP4，这是HCC产生治疗耐药的重要分子机制；这也警示临床治疗中，单一靶向某一MP的药物易引发耐药，需考虑联合靶向共享TF或多靶点联合治疗。 问：MP1作为预后良好的恶性细胞状态，为何会成为索拉非尼非响应者的核心特征？ 答：核心原因是MP1保留了完整的肝特异性代谢功能，其高表达的肝代谢通路（如胆汁酸、异生物代谢）包含大量药物代谢酶，可将索拉非尼这类外源性药物代谢为无活性形式，从而降低药物疗效，介导代谢性耐药；这一发现打破了“预后良好的细胞状态对治疗更敏感”的固有认知，为HCC个体化治疗提供了新的思路。 益栈信talks 公众号，点个赞，加个关注 这里总有些你没有而又恰好需要的，加工作人员微信 (备注单位+名字），领资料和免费分析咨询服务，提供方案设计和生信分析服务，提供linux系统环境配置，软件安装，更多技术服务，请联系工作人员。 4）髓系细胞图谱揭示了功能不同的巨噬细胞亚群 研究出发点与目标 髓系细胞是HCC TME的核心免疫组分，且前期研究发现髓系细胞在转移灶中显著扩增，但HCC中髓系细胞的亚群分类、各亚群的功能异质性尚未系统解析；同时，巨噬细胞作为髓系细胞的优势亚群，其在HCC进展中的功能状态转变、组织分布规律仍不明确，无法揭示其在TME免疫调控中的作用。本部分研究的核心目标是：系统解析髓系细胞的亚群分类，明确核心巨噬细胞亚群的标记基因、功能特征与组织分布规律，揭示巨噬细胞在HCC进展中的免疫调控作用。 核心研究过程与结果 1.髓系细胞整体亚群鉴定：对前期注释的髓系细胞进行亚聚类，鉴定出6个主要髓系亚群：巨噬细胞、经典单核细胞、非经典单核细胞、cDC1、cDC2、肥大细胞，各亚群由经典标记基因明确区分，其中巨噬细胞为髓系细胞的优势亚群。 2.巨噬细胞亚群精细分型：对巨噬细胞进一步亚聚类，得到10个巨噬细胞亚群，结合标记基因表达与功能富集分析（GSEA/Metascape），将其归纳为三大功能亚型，核心特征如下： 1.免疫活化型：包括Macro-CXCL9（高表达CXCL9、CXCL10）和Macro-FCN1（高表达IL1A、IL1B、IRF1、IRF8）；富集IFN-γ响应、抗原提呈、先天免疫等通路，高表达促炎细胞因子与趋化因子，具有抗瘤免疫功能； 2.免疫抑制型：包括Macro-SPP1（高表达SPP1）和Macro-TREM2（高表达TREM2）；Macro-SPP1富集糖酵解、血管生成、EMT、缺氧等促肿瘤通路，IFN-γ响应显著减弱；Macro-TREM2富集脂质定位、免疫效应调控，免疫抑制作用较Macro-SPP1温和； 3.组织驻留型：Macro-MARCO（高表达MARCO、VSIG4、IL10）；特异性富集于正常肝组织，富集脂肪酸代谢、脂质分解、解毒通路，为肝组织固有的巨噬细胞亚群。 3.巨噬细胞亚群的组织分布规律：组织驻留型Macro-MARCO仅在正常肝中富集，在肿瘤与转移灶中几乎消失；免疫抑制型Macro-SPP1和Macro-TREM2在肿瘤、PVTT与MLN中显著扩增，成为肿瘤与转移灶的主要巨噬细胞亚群；且Macro-SPP1在PVTT/MLN中更具优势，提示其在HCC转移中的免疫抑制作用更强。 4.巨噬细胞的功能对比分析：GSEA分析证实，与Macro-TREM2相比，Macro-SPP1富集更强的促肿瘤通路（血管生成、EMT、mTORC1信号），且IFN-γ响应显著减弱，是HCC TME中核心的强免疫抑制性巨噬细胞亚群。 图 4：髓系细胞图谱揭示了功能不同的巨噬细胞亚群 A.六种主要髓系细胞类型的UMAP投影：巨噬细胞、经典单核细胞、非经典单核细胞、cDC1、cDC2和肥大细胞。B .髓系细胞类型在不同组织中的分布。C .巨噬细胞亚群的UMAP投影。D .细胞比例显示组织特异性巨噬细胞亚群分布。E .髓系和巨噬细胞亚群的通路富集热图。F .巨噬细胞亚群中抗肿瘤基因表达的热图。G. 库普弗细胞标志物的表达以及Macro-MARCO中脂肪酸代谢和解毒通路的富集。H . 巨噬细胞亚群的功能基因表达和通路富集，包括Macro-CXCL9（I）、Macro-FCN1（J）、Macro-FOLR2（K）、Macro-SPP1（L）和Macro-TREM2（M）。N GSEA 比较 Macro-SPP1 和 Macro-TREM2，结果显示 Macro-SPP1 中血管生成、EMT、糖酵解、mTORC1 信号传导富集，而 IFN-γ 反应耗竭。 互动问答 问：研究中如何区分巨噬细胞的不同功能亚型，而非仅依靠基因表达进行简单分簇？ 答：研究采用**“标记基因+功能富集+组织分布”**的三维分型策略：首先通过标记基因明确各巨噬细胞亚群的基因表达特征，再通过GSEA、Metascape进行功能通路富集分析，判断其为活化/抑制/驻留功能；最后结合组织分布规律，验证功能特征与疾病阶段的关联（如驻留型仅在正常肝富集，抑制型在转移灶扩增），从而实现巨噬细胞的功能分型，而非单纯的基因表达分簇。 问：HCC进展过程中，巨噬细胞的功能状态发生了怎样的核心转变？这一转变对肿瘤进展有何意义？ 答：核心转变为从“组织驻留型”向“免疫抑制型”的定向转换，正常肝中的组织驻留型巨噬细胞（Macro-MARCO）在肿瘤进展中逐渐消失，免疫抑制型巨噬细胞（Macro-SPP1/TREM2）持续扩增，且转移灶中以强抑制型的Macro-SPP1为主；这一转变导致TME的免疫微环境从“稳态”向“免疫抑制”重塑，抑制抗瘤免疫反应，同时Macro-SPP1富集的促血管、EMT通路还能直接促进肿瘤增殖与转移，成为HCC进展与转移的重要免疫基础。 5）不同的内皮细胞和成纤维细胞亚群定义了预后和功能异质性 研究出发点与目标 基质细胞（内皮细胞、成纤维细胞）是TME的核心结构组分，前期研究发现内皮-成纤维细胞呈正相关且为转移灶的核心基质细胞，但HCC中内皮细胞与成纤维细胞的亚群异质性尚未系统解析；同时，缺乏对基质细胞亚群临床预后价值的验证，无法区分与HCC不良预后相关的“高危亚群”和具有保护作用的“良性亚群”，也不明确各亚群的功能特征与组织分布规律。本部分研究的核心目标是：系统解析内皮细胞、成纤维细胞的精细亚群分类，筛选与不良预后相关的高危基质亚群，明确各亚群的功能特征、组织分布及状态转变规律。 核心研究过程与结果 内皮细胞：鉴定13个亚群，锁定4个高危亚群 1.亚群鉴定与预后分析：对内皮细胞亚聚类得到13个转录学不同的亚群；将各亚群特征基因映射至TCGA-LIHC队列，进行单变量Cox回归分析，鉴定出4个高危亚群和4个保护性亚群，其中高危亚群的风险比（HR）均显著大于1：Endo-PTTG1（HR=2.56）、Endo-FCN2（HR=1.74）、Endo-ESM1（HR=1.69）、Endo-CXCL2（HR=1.65）。 2.核心高危亚群（Endo-ESM1）特征：①预后价值：Endo-ESM1高表达与患者更差的总生存期显著相关；②组织分布：特异性富集于肿瘤与转移灶（PVTT/MLN），在正常肝中几乎无分布；③功能特征：富集血管生成、细胞外基质（ECM）组织、层粘连蛋白相互作用、细胞迁移调控、缺氧相关通路，是促肿瘤血管生成的核心内皮亚群。 3.其他高危亚群功能：Endo-PTTG1富集细胞周期、G2/M转换通路；Endo-CXCL2富集TNF/NFκB炎症、EMT通路；Endo-FCN2富集ATP合成、补体激活通路，均通过不同机制促进肿瘤进展。 成纤维细胞：鉴定7个亚群，明确促肿瘤亚群特征 1.亚群鉴定与组织分布：对成纤维细胞亚聚类得到7个转录学不同的亚群；组织分布分析显示：Fib-CXCL12、Fib-BTG2主要存在于正常肝组织；Fib-POSTN、Fib-CD36在肿瘤、PVTT与MLN中显著扩增，为肿瘤与转移灶的核心成纤维亚群。 2.状态转变规律：采用拟时序轨迹分析发现，成纤维细胞存在从稳态向激活状态的连续转变，Fib-RACK1为激活过程中的独立分支，提示成纤维细胞的激活是一个渐进的过程。 3.促肿瘤成纤维亚群功能：对Fib-POSTN、Fib-CD36、Fib-RACK1进行Hallmark通路评分，发现三者均富集EMT、血管生成、TGF-β信号、缺氧、糖酵解等促肿瘤通路；且各亚群具有特异性功能：Fib-POSTN富集ECM降解，Fib-CD36富集PPAR信号与脂质代谢，Fib-RACK1富集血管发育。 4.特殊成纤维亚群（Fib-CXCL12）：该亚群高表达HLA家族基因和CD74，功能富集体液免疫、免疫响应调控通路，被定义为抗原呈递型癌症相关成纤维细胞（apCAF），是正常肝中具有免疫调节功能的成纤维亚群。 图 5：HCC 中的内皮细胞和成纤维细胞异质性 A.内皮细胞亚群的UMAP图，识别出13个不同的亚群。B .内皮细胞亚群中标记基因表达的散点图。C .细胞比例图，显示组织特异性内皮细胞亚群分布。D .在TCGA-LIHC队列中进行单变量Cox回归分析，识别出高风险内皮细胞亚群（Endo-PTTG1、Endo-FCN2、Endo-ESM1、Endo-CXCL2）和保护性亚群（Endo-EDNRB、Endo-RGCC、Endo-ACKR1、Endo-GJA4），并计算风险比。E . Kaplan-Meier生存曲线，比较TCGA-LIHC队列中Endo-ESM1高表达组和低表达组。F . Endo-ESM1在正常肝脏、肿瘤和门静脉癌栓/肠系膜淋巴结中的组织分布。G. Endo-ESM1的通路富集分析，包括血管形态发生、细胞外基质组织、层粘连蛋白相互作用、细胞迁移调控和缺氧通路。H.成纤维细胞亚群的UMAP图，识别出七个不同的亚群。I .细胞比例显示组织特异性成纤维细胞亚群分布。成纤维细胞亚群的伪时间轨迹分析（J），其中Fib-RACK1形成一个独特的分支（K）。成纤维细胞亚群的通路富集分析，包括Fib-RACK1（L）、Fib-CD36（M）和Fib-POSTN（N）。 互动问答 问：为何Endo-ESM1能成为HCC中最具临床意义的高危内皮亚群？ 答：因为Endo-ESM1同时具备预后价值、组织特异性和明确的促肿瘤功能：其一，其高表达与患者不良总生存期显著相关，是独立的预后不良标志物；其二，其特异性富集于肿瘤与转移灶，与HCC进展和转移密切关联；其三，其富集血管生成、ECM组织、细胞迁移等核心促肿瘤通路，是肿瘤血管生成的关键调控者，直接推动肿瘤增殖与转移，因此成为最具临床意义的高危内皮亚群。 问：成纤维细胞的“稳态-激活”连续转变规律，对理解HCC TME的重塑有何意义？ 答：这一规律提示，HCC中促肿瘤成纤维细胞（Fib-POSTN/CD36）并非肿瘤发生时突然出现的，而是由正常肝中的稳态成纤维细胞（Fib-CXCL12）经渐进的转录重编程激活而来；这一转变过程是HCC TME基质重塑的核心环节，且激活后的成纤维细胞通过富集促肿瘤通路，与内皮细胞、恶性细胞协同形成促肿瘤微环境；这也为临床治疗提供了思路——可通过靶向成纤维细胞的激活过程，阻断其从稳态向促肿瘤状态的转换，从而抑制TME的基质重塑。 6）内皮细胞-成纤维细胞相互作用网络重塑肿瘤微环境 研究出发点与目标 已鉴定出HCC中与不良预后相关的高危内皮亚群（如Endo-ESM1）和促肿瘤成纤维亚群（如Fib-POSTN/CD36），但这些核心基质亚群之间的通讯机制、与其他细胞的相互作用规律尚未明确；同时，从原发瘤到转移灶，基质细胞的通讯网络发生了怎样的动态变化，以及这种变化如何推动HCC转移，仍为科学空白。本部分研究的核心目标是：利用细胞间通讯分析工具，解析HCC TME的整体通讯网络，明确内皮-成纤维细胞的核心通讯作用，揭示基质亚群在转移灶中的通讯变化规律及分子机制。 核心研究过程与结果 本研究采用CellChat工具，从整体层面、差异层面、亚群层面三级解析HCC TME的细胞间通讯网络，核心结果如下： 1.整体层面：内皮-成纤维细胞为TME的通讯核心枢纽：全局相互作用映射显示，内皮细胞和成纤维细胞在原发瘤、PVTT/MLN中均具有最高的信号接收与发送数量及强度，远高于其他细胞类型，是HCC TME中细胞间通讯的核心枢纽，主导TME的信号调控。 2.差异层面：转移灶中基质细胞通讯显著增强：对比原发瘤与PVTT/MLN的通讯网络，发现内皮细胞和成纤维细胞与其他细胞群的相互作用强度和频率在PVTT/MLN中显著增加，提示转移灶中基质细胞的通讯调控更活跃，为肿瘤转移提供了更紧密的信号支持。 3.亚群层面：核心基质亚群形成双向正反馈通讯网络：聚焦高危内皮亚群与促肿瘤成纤维亚群，发现Endo-ESM1、Fib-POSTN、Fib-CD36三者间形成了密集的双向正反馈通讯网络，其核心通讯分子为： 1.细胞外基质（ECM）分子：胶原、纤连蛋白（FN1）、层粘连蛋白（LAMA4/LAMB2）、玻连蛋白（VTN）； 2.促血管生成因子：ANGPT家族、JAG、MDK、VEGF家族。 4.基质-免疫-恶性细胞的通讯特征：核心基质亚群（Endo-ESM1/Fib-POSTN/Fib-CD36）与免疫抑制型巨噬细胞（Macro-SPP1/TREM2）、Prolif-Stress恶性细胞的通讯显著增强；而与NK/T细胞、B细胞等适应性免疫细胞的通讯则明显减少，提示基质细胞通过增强与促肿瘤细胞的通讯、减弱与抗瘤免疫细胞的通讯，构建促血管、促ECM重塑、免疫抑制的微环境，为肿瘤进展与转移提供支持。 图 6：HCC 肿瘤微环境中的细胞间通讯 A.全局相互作用图谱显示，内皮细胞和成纤维细胞在原发肿瘤和门静脉癌栓/肠系膜淋巴结（PVTT/MLN）中均表现出较高的传入和传出相互作用强度。B . 差异通讯分析揭示，与原发肿瘤相比，PVTT/MLN中内皮细胞和成纤维细胞亚群与其他细胞群的相互作用强度和频率均有所增加。C .亚群水平相互作用分析比较了PVTT/MLN与原发肿瘤。D .配体-受体分析揭示了Endo-ESM1与成纤维细胞亚群之间存在密集的双向基质相互作用，该相互作用由……介导。细胞外基质PVTT/MLN 中的成分（胶原蛋白、FN1、层粘连蛋白、VTN）和促血管生成信号（ANGPT、JAG、MDK、VEGF）。E PVTT/MLN 中 Endo-ESM1 与髓系亚群（Macro-SPP1、Macro-TREM2）或增殖应激肝细胞之间的配体-受体相互作用。 互动问答 问：从原发瘤到转移灶，内皮-成纤维细胞的通讯强度显著增加，这一变化的生物学本质是什么？ 答：这一变化的生物学本质是TME为适应肿瘤转移而发生的通讯网络重塑：肿瘤细胞从原发瘤进入脉管（PVTT）并实现远处定植（MLN），需要更紧密的信号调控来支持血管生成、ECM重塑和免疫抑制，而内皮-成纤维细胞作为通讯核心，通过增强相互作用及与促肿瘤细胞的通讯，为肿瘤细胞的侵袭、迁移、定植提供了必要的微环境条件，是HCC转移的重要微环境基础。 问：核心基质亚群与免疫抑制型巨噬细胞、Prolif-Stress恶性细胞的通讯增强，体现了TME中怎样的细胞协同作用？ 答：体现了基质-免疫-恶性细胞的三方协同促肿瘤作用：核心基质亚群通过ECM分子和促血管因子构建促肿瘤的结构微环境，免疫抑制型巨噬细胞则为其提供免疫抑制的环境，Prolif-Stress恶性细胞在这种微环境中实现高增殖与侵袭，三者形成“基质构建框架、免疫抑制保护、恶性细胞增殖侵袭”的协同模式，共同推动HCC的进展与转移。 7）空间分辨分析揭示了肝细胞癌的有序细胞微环境 研究出发点与目标 前期在单细胞层面解析了HCC的细胞亚群、转录特征与细胞间通讯网络，但这些分子特征缺乏组织空间定位，无法明确各细胞亚群在肿瘤组织中的实际分布与物理互作模式；且单细胞层面发现的通讯通路与信号调控，尚未在组织空间中验证其真实性，无法构建“分子-空间”关联的促肿瘤微环境模型。本部分研究的核心目标是：将单细胞分子特征与组织空间结构结合，验证促肿瘤空间生态位的存在，明确其空间结构特征、核心调控通路与转录因子调控，为靶点筛选提供空间上下文。 核心研究过程与结果 本研究采用10x Visium空间转录组技术，结合Cell2location、COMMOT、MISTy、PROGENy等工具，从细胞分布、通讯验证、通路分析、TF定位多维度解析HCC的空间微环境，核心结果如下： 1.细胞空间共定位验证：促肿瘤生态位真实存在：利用Cell2location对空间转录组数据进行去卷积分析，将单细胞亚群映射至肿瘤组织切片，证实Endo-ESM1、Fib-POSTN、Fib-CD36与Prolif-Stress/EMT-Inflammatory恶性细胞在组织中存在显著的空间共定位，形成了HCC的促肿瘤空间生态位，且该生态位在不同患者样本中均保守存在。 2.空间通讯通路验证：ANGPTL为核心通讯通路：利用COMMOT工具分析空间层面的细胞间通讯，证实单细胞层面发现的ANGPTL通路是该生态位的核心空间通讯通路，且ANGPTL4在基质细胞富集的区域呈显著高表达，验证了单细胞通讯分析结果的空间真实性。 3.核心信号通路分析：TGF-β与缺氧为生态位核心调控通路：通过MISTy空间建模和PROGENy通路评分发现，该生态位内部及周边显著富集TGF-β和缺氧通路活性；且TGF-β通路的高活性与Endo-ESM1、Fib-POSTN、Fib-CD36的空间分布高度重合，提示TGF-β是调控促肿瘤生态位的核心信号通路。 4.转录因子空间定位：共享TF介导生态位内细胞表型可塑性：将单细胞层面发现的跨MP共享TF（ATF3、FOSB、JUNB、ELF3）进行空间映射，发现：①ATF3、FOSB在Prolif-Stress/EMT-Inflammatory恶性细胞共定位的区域高表达，与单细胞层面MP2/MP4共享TF的结果相呼应；②ELF3（MP2特异性TF）主要分布于Prolif-Stress恶性细胞区域，JUNB（MP4特异性TF）主要分布于EMT-Inflammatory恶性细胞区域；提示TGF-β信号可能重编程共享TF的功能，介导恶性细胞的表型可塑性。 5.促肿瘤生态位的空间结构：明确“中心-外周”有序模式：综合细胞分布、通路活性、TF定位分析，明确了促肿瘤生态位的分层空间结构： 1.核心层：Endo-ESM1、Fib-POSTN、Fib-CD36紧密聚集，为生态位的结构核心，高表达TGFB1配体，是TGF-β信号的主要来源； 2.中间层：Macro-SPP1（免疫抑制型巨噬细胞）分布于核心层外周，形成免疫抑制屏障； 3.外层：Prolif-Stress/EMT-Inflammatory恶性细胞聚集在基质核心与巨噬细胞的周边区域，在TGF-β和缺氧的微环境中维持高增殖、高侵袭表型。 图 7：HCC 肿瘤微环境的空间组织 HCC-1T ( A ) 和 HCC-2T ( B )的细胞定位反卷积。HCC-1T (C) 和 HCC- 2T ( D ) 中关键细胞亚群的空间分布，包括增殖应激肝细胞、内皮细胞-ESM1、纤维蛋白-CD36、纤维蛋白-POSTN 和巨噬细胞-SPP1。COMMOT分析显示 HCC-2T 中 ANGPTL 信号的空间组织分布 ( E )，以及 ANGPTL2 ( F ) 和 ANGPTL4 ( G ) 的表达模式。H HCC-2T 中的MISTy空间建模显示了通路相互作用的细胞类型重要性评分。HCC-2T 中的 PROGENy 通路分析显示 TGFβ ( I ) 和缺氧 ( J ) 信号在局部富集。K基于共富集的 TGFβ 和缺氧通路特征，从 HCC-2T 中划分出感兴趣区域 (ROI)。L. ROI内肿瘤细胞亚群的空间分布。M .转录因子图谱显示ROI内ATF3、FOSB、ELF3和JUNB的空间分布模式。N .基质和免疫细胞谱分析显示ROI内Endo-ESM1、Fib-POSTN和Fib-CD36在中心区域富集，而Macro-SPP1在外周区域分布。O . ROI内TGFβ通路活性和TGFB1配体表达图谱。P . ROI内缺氧评分和HIF1A表达图谱。 互动问答 问：研究中通过哪些手段，将单细胞层面的分子发现与组织空间结构结合，实现了“分子-空间”的关联分析？ 答：研究采用了多工具协同的分析策略：①通过Cell2location将单细胞亚群映射至空间切片，实现细胞亚群的空间定位；②通过COMMOT分析空间通讯通路，验证单细胞通讯的空间真实性；③通过MISTy+PROGENy将通路活性与细胞分布结合，实现信号通路的空间定位；④通过转录因子空间映射，实现调控分子的空间定位；最终将细胞、通讯、通路、TF的空间特征整合，构建了“分子-空间”关联的促肿瘤生态位模型。 问：促肿瘤生态位的“中心-外周”分层结构，体现了空间微环境对恶性细胞表型的怎样调控作用？ 答：这种分层结构体现了空间微环境的“定向调控”作用：核心层的基质细胞分泌TGF-β并构建ECM微环境，外周的巨噬细胞提供免疫抑制保护，形成了一个具有明确信号梯度的空间微环境；恶性细胞在这种微环境中被定向调控为Prolif-Stress/EMT-Inflammatory表型，维持高增殖、高侵袭特征；这也说明，恶性细胞的表型并非仅由自身基因决定，还受空间微环境的显著调控，空间位置是决定其表型的重要因素。 8）多维度筛选揭示HSP90B1是肝细胞癌治疗的关键靶点 研究出发点与目标 前期已系统解析了HCC恶性细胞的转录异质性、TME的功能亚群、细胞间通讯网络及空间生态位的调控规律，完成了对HCC异质性演变规律的基础研究；但研究最终需从基础发现走向临床转化，挖掘可成药的核心治疗靶点，解决临床治疗耐药、缺乏有效靶点的困境。本部分研究的核心目标是：基于前期发现的核心有害细胞状态，通过多维度的靶点筛选与临床验证，锁定具有临床转化价值、跨细胞类型的HCC核心治疗靶点。 核心研究过程与结果 本研究围绕HCC中三大核心有害细胞状态转换（Macro-SPP1→免疫活化型Macro-CXCL9、恶性肝细胞→正常肝细胞、Endo-ESM1→保护性Endo-EDNRB），开展五维度的靶点筛选与验证，层层筛选后最终锁定HSP90B1为核心治疗靶点，各维度核心结果如下： 1.维度一：Geneformer计算机模拟敲除，筛选共同依赖基因：利用Geneformer对三大有害细胞状态转换进行虚拟敲除筛选，鉴定出11个跨细胞类型的共同依赖基因，这些基因是逆转有害细胞状态、恢复正常细胞功能的核心候选靶点。 2.维度二：DepMap癌细胞必需性分析，筛选核心功能基因：将11个共同依赖基因映射至DepMap癌症依赖图谱，进行CRISPR基因效应分析，筛选出在多种癌细胞系中敲除后显著抑制细胞活力的基因，最终得到3个核心候选基因：EEF1A1、HSP90B1、ACTB。 3.维度三：表达依赖性分析，筛选肿瘤特异性依赖基因：分析3个候选基因的表达水平与CRISPR基因效应评分的相关性，发现：HSP90B1的表达水平与基因效应评分呈强负相关（r=-0.874），EEF1A1为中度相关（r=-0.561），ACTB为强相关（r=-0.819）；强负相关提示高表达该基因的癌细胞对其存在“表达成瘾性”，抑制该基因对高表达的肿瘤细胞杀伤作用更强，具有肿瘤特异性。 4.维度四：临床治疗队列验证，筛选与治疗耐药相关的基因： 1.cabozantinib+nivolumab治疗队列（GSE238264）：空间转录组分析显示，非响应者中HSP90B1呈弥散性高表达，响应者中为局灶性表达，且非响应者的HSP90B1表达量显著更高；EEF1A1也呈非响应者高表达，而ACTB在非响应者中表达降低； 2.索拉非尼治疗队列（GSE109211）：差异表达分析证实，HSP90B1、EEF1A1在非响应者中显著上调，与治疗耐药密切相关。 5.维度五：临床预后队列验证，筛选与不良预后相关的基因：将3个候选基因映射至TCGA-LIHC队列进行生存分析，发现：HSP90B1高表达与患者更短的总生存期显著相关；EEF1A1的表达与患者生存期无显著关联；ACTB作为管家基因，无预后价值。 核心筛选结论 综合五维度结果，HSP90B1成为唯一符合“共同依赖+癌细胞必需+表达成瘾+治疗耐药+不良预后”的核心治疗靶点：EEF1A1虽与治疗耐药相关，但表达依赖性较弱且无预后价值；ACTB虽表达依赖性强，但为管家基因，在治疗非响应者中表达降低，无肿瘤特异性，均被排除。 图 8：HSP90B1 被确定为 HCC 的治疗靶点 A.利用Geneformer进行虚拟敲除实验，在三种细胞状态转变（Macro-SPP1到Macro-CXCL9、恶性肝细胞到正常肝细胞、Endo-ESM1到Endo-EDNRB）中鉴定出11个共有基因。B .基于DepMap数据库的CRISPR基因效应分析显示，这11个已鉴定基因在不同癌细胞系中均表现出负效应。C . CRISPR基因依赖性评分显示EEF1A1、HSP90B1和ACTB的必需性。TCGA-LIHC分析显示，肿瘤组织中EEF1A1（D）、HSP90B1（E）和ACTB（F）的表达高于正常肝组织。G .基因表达水平与CRISPR基因效应评分之间的相关性分析显示表达依赖性脆弱性。H .空间聚类分析显示，在卡博替尼联合纳武利尤单抗治疗的样本中，EEF1A1、HSP90B1和ACTB在肿瘤区域呈现一致的表达模式。I – L代表性空间图比较了应答者（HCC1R 和 HCC2R）和非应答者（HCC5NR 和 HCC6NR），显示应答者呈局灶性表达，而非应答者呈弥漫性表达。M 定量分析显示应答者和非应答者之间存在差异表达丰度，其中 EEF1A1 和 HSP90B1 在非应答者中升高。N索拉非尼治疗队列的差异表达分析。TCGA-LIHC 队列的 Kaplan-Meier 生存分析显示 EEF1A1 表达与总生存期之间无显著相关性 ( O )，而 HSP90B1 高表达与较差的总生存期相关 ( P )。 互动问答 问：研究为何选择三大有害细胞状态转换作为虚拟敲除的筛选背景，而非单一细胞类型？ 答：因为HCC的进展与转移是恶性细胞与TME共同作用的结果，单一细胞类型的靶点难以有效抑制肿瘤；选择Macro-SPP1（免疫抑制）、恶性肝细胞（核心肿瘤细胞）、Endo-ESM1（高危基质）三大核心细胞类型的有害状态转换作为筛选背景，能筛选出跨免疫、恶性、基质细胞的共同依赖基因，这类靶点可同时调控多种促肿瘤细胞类型，实现“多靶点、全方位”的肿瘤抑制，更具临床转化价值。 问：从临床转化的角度，HSP90B1作为核心治疗靶点的优势体现在哪些方面？ 答：HSP90B1作为靶点具有三大核心优势：①肿瘤特异性：高表达的HCC细胞对其存在“表达成瘾性”，抑制后对肿瘤细胞的杀伤作用更强，对正常细胞影响较小；②与治疗耐药密切相关：在索拉非尼、cabozantinib+nivolumab两种主流治疗方案的非响应者中均高表达，靶向抑制可有效逆转治疗耐药；③具有预后与疗效预测价值：其表达水平与患者生存期显著相关，空间表达模式（弥散/局灶）还可作为治疗疗效的预测标志物，为临床个体化治疗提供依据。 五、研究的逻辑链整合 本研究的所有研究发现形成了一条清晰、连续、层层递进的逻辑链，从HCC的临床治疗困境出发，通过多维度的组学分析解析生物学规律，最终回归临床靶点挖掘，每个研究节点均承接上一节点的科学空白，所有结论相互印证，形成了“临床问题—基础解析—临床转化”的完整研究逻辑，具体文字逻辑流程图如下： 研究起点：HCC临床治疗面临异质性、耐药、转移的核心困境，现有研究缺乏跨全进展阶段的整合性解析，且未明确恶性细胞与TME的互作调控机制 →节点1：整合正常肝、原发瘤、PVTT、MLN的多阶段scRNA-seq数据，经严格质控、批次校正与细胞注释，构建HCC全进展阶段的单细胞全景细胞图谱，明确核心细胞动力学特征与细胞类型相关性 →节点2：通过CopyKAT鉴定恶性肝细胞，利用cNMF解构出4个具有保守特征的转录元程序，明确各元程序的功能特征、组织分布与临床预后价值 →节点3：系统解析TME中髓系、内皮、成纤维细胞的精细亚群分类，筛选出与不良预后相关的免疫抑制型巨噬细胞亚群及高危基质细胞亚群，明确各功能亚群的分子特征与组织分布 →节点4：利用CellChat解析细胞间通讯网络，发现Endo-ESM1、Fib-POSTN、Fib-CD36形成的基质枢纽是TME的核心通讯调控者，其通过ECM分子与促血管因子构建促肿瘤通讯网络，并与免疫抑制型巨噬细胞、增殖应激型恶性细胞形成协同互作 →节点5：通过空间转录组学技术，将单细胞亚群与分子特征映射至肿瘤组织切片，验证并构建具有“中心-外周”分层结构的促肿瘤空间生态位，明确TGF-β与缺氧为该生态位的核心调控通路 →节点6：基于Geneformer针对三大有害细胞状态转换开展计算机模拟敲除，结合DepMap癌症依赖图谱，从11个共同依赖基因中筛选出3个癌症必需基因（EEF1A1、HSP90B1、ACTB） →节点7：通过表达依赖性分析、cabozantinib+nivolumab治疗队列、索拉非尼治疗队列及TCGA-LIHC预后队列进行多维度验证，排除非特异性与无预后价值的基因 →研究终点：最终锁定HSP90B1为兼具“共同依赖+癌症必需+表达成瘾+治疗耐药+不良预后”的HCC核心治疗靶点。 六、研究的方法学亮点与局限性 方法学亮点 1.研究设计的跨维度整合性：本研究首次实现了HCC全疾病进展阶段（正常肝→原发瘤→PVTT→MLN）与多技术维度（单细胞转录组+空间转录组）的深度整合分析，突破了传统研究单一阶段、单一技术的局限性，将分子层面的细胞异质性与组织层面的空间结构紧密结合，构建了“分子-空间”关联的HCC进展调控模型，更能真实反映HCC的生物学特征。 2.恶性细胞分析的策略创新性：摒弃了传统的细胞聚类分析方法，采用cNMF技术分解恶性肝细胞的基因表达程序，并归纳为更高层级的转录元程序，有效识别出跨患者、保守的核心转录状态，突破了患者特异性与技术偏倚的限制，为解读肿瘤异质性的分子本质提供了新的分析框架，该方法可广泛推广至乳腺癌、胰腺癌等异质性显著的肿瘤研究。 3.靶点筛选的体系化与高效性：建立了**“计算机模拟扰动+癌症依赖图谱+多临床队列验证”**的靶点筛选体系，将计算生物学与临床大数据深度结合，从跨细胞类型的共同依赖基因出发，通过癌症必需性、表达依赖性、治疗响应、临床预后等多维度层层筛选，大幅提升了靶点发现的效率与可靠性，减少了传统湿实验筛选的成本与时间，为肿瘤靶点挖掘提供了高效的范式。 4.TME解析的系统性与协同性：并非孤立分析TME中的免疫细胞或基质细胞，而是系统解析了髓系、内皮、成纤维细胞的功能异质性，并深入分析了三者与恶性细胞的协同互作关系，明确了“基质枢纽-免疫抑制-恶性细胞增殖侵袭”的三方协同促肿瘤模式，揭示了TME调控HCC进展的核心机制，为TME研究提供了全面、系统的分析思路。 5.研究闭环的完整性与临床导向性：本研究形成了“临床问题—全景描绘—机制解析—靶点筛选—临床验证”的完整研究闭环，所有研究环节均围绕临床治疗困境展开，所有研究发现均通过临床队列进行验证，最终挖掘的靶点直接对接HCC的治疗耐药与预后问题，让研究结果兼具理论深度与临床应用价值，实现了基础研究与临床转化的无缝衔接。 研究局限性 1.横断面的研究设计：本研究为横断面研究，仅捕捉了HCC不同进展阶段的静态细胞特征与分子规律，无法直接观察细胞状态转换与异质性演变的时间动态变化，难以明确HCC从发生到转移过程中，恶性细胞与TME互作的实时调控规律。 2.样本量与类型的限制：空间转录组的分析样本量较少，且转移性标本（PVTT/MLN）的可获得性有限；同时，研究未纳入不同病因（乙肝、丙肝、酒精性肝病）、不同种族及不同临床分期的HCC患者，可能影响研究结果的普适性，无法反映不同临床背景下HCC的异质性特征。 3.空间组学的技术分辨率限制：本研究使用的空间转录组技术为斑点水平分辨率，无法实现单细胞水平的精细解析，因此难以刻画单细胞尺度的细胞间直接互作与信号传递，对促肿瘤空间生态位的调控机制解析仍存在一定的局限性。 4.缺乏体内外的湿实验验证：本研究通过计算生物学与临床队列验证了HSP90B1的靶点价值，但尚未通过细胞系敲除/过表达、裸鼠成瘤模型、肝癌类器官等体内外湿实验，直接验证HSP90B1在HCC发生、发展中的具体功能，也未验证靶向抑制HSP90B1的治疗效果与耐药逆转作用。 5.多组学整合的不足：本研究主要基于转录组水平的数据分析，未整合代谢组、蛋白组、表观基因组、基因组等多组学数据，对HCC异质性的解析仅停留在转录层面，未涉及转录后调控、代谢重塑、表观遗传修饰、基因组变异等层面的调控机制，无法构建多维度的HCC异质性调控网络。 未来改进方向 1.开展纵向队列研究，结合HCC患者的临床随访数据与多时间点的样本检测，追踪HCC进展过程中细胞状态与分子特征的动态演变规律，明确异质性调控的时间维度特征。 2.扩大样本量，纳入不同病因、种族、临床分期与治疗方案的HCC患者，开展亚组分析，明确不同临床背景下HCC的异质性特征，提升研究结果的普适性。 3.利用更高分辨率的空间组学技术（如单细胞空间转录组、空间蛋白组、空间代谢组），解析单细胞尺度的细胞间互作与信号传递，更精准地刻画促肿瘤生态位的调控机制。 4.通过细胞系、肝癌类器官、裸鼠成瘤模型等体内外湿实验，验证HSP90B1的具体功能，并开展HSP90B1特异性抑制剂的药物筛选与联合治疗实验，验证其临床治疗效果。 5.整合代谢组、蛋白组、表观基因组等多组学数据，开展多维度的整合分析，构建HCC异质性的多层级调控网络，更全面地解析HCC的发生与转移机制。 七、对科研与临床的启示 科研启示 1.肿瘤研究的多维度数据整合范式：本研究为肿瘤异质性研究提供了**“多疾病阶段、多组学技术”**的数据整合思路，即整合从正常组织到原发、转移的全疾病阶段样本，结合单细胞转录组与空间转录组技术，实现分子特征与空间结构的深度结合，让肿瘤研究从“分子层面的现象描述”走向“组织层面的机制解析”，更能反映肿瘤的真实生物学特征。 2.恶性细胞异质性的解析思路：本研究提出的转录元程序分析框架，突破了传统细胞聚类的局限性，为解读恶性细胞的异质性提供了新的思路。该方法可有效识别肿瘤中跨患者、保守的核心转录状态，避免了患者特异性与技术偏倚的影响，更能揭示肿瘤异质性的分子本质，可广泛应用于乳腺癌、肺癌、胰腺癌等异质性显著的恶性肿瘤研究。 3.肿瘤靶点筛选的体系化思路：本研究建立的“计算机模拟扰动+癌症依赖图谱+多临床队列验证”的靶点筛选体系，为肿瘤靶点挖掘提供了计算生物学与临床大数据结合的高效范式。该体系从跨细胞类型的共同依赖基因出发，通过多维度的临床验证层层筛选，能有效提升靶点发现的效率与可靠性，为肿瘤靶向药物的研发提供了新的思路。 4.肿瘤微环境的研究方向：本研究揭示了“基质细胞为核心枢纽，基质-免疫-恶性细胞协同调控”的TME促肿瘤模式，提示后续肿瘤微环境研究应摒弃“孤立分析单一细胞类型”的思路，重点关注跨细胞类型的协同互作关系，解析不同细胞类型之间的通讯调控网络与空间互作模式，从“系统层面”解析TME的促肿瘤机制。 5.精准肿瘤学的研究导向：本研究将单细胞分子特征、空间组织结构与临床预后、治疗响应紧密结合，提示后续精准肿瘤学研究应坚持**“临床导向”**，所有的基础研究发现均需通过临床队列进行验证，所有的分子特征与靶点均需具备明确的临床预后或治疗指导价值，让基础研究真正服务于临床转化。 临床转化价值 1.基于转录元程序的HCC精准分层治疗：本研究鉴定的4个恶性肝细胞转录元程序具有明确的临床预后与药物敏感性特征，可基于此构建HCC的分子分层模型，实现患者的精准分层与个体化治疗。例如，对MP1（分化代谢型）高表达的患者，规避索拉非尼等易被肝代谢灭活的药物，选择蛋白酶体抑制剂等广谱有效药物；对MP2（增殖应激型）高表达的患者，可联合HSP90抑制剂与MEK抑制剂；对MP4（EMT炎症型）高表达的患者，可采用MEK抑制剂联合BCL-2抑制剂，提升治疗的有效性。 2.HSP90B1为核心的靶向治疗策略：HSP90B1作为本研究锁定的核心治疗靶点，兼具癌症必需性、表达成瘾性、治疗耐药相关性与不良预后价值，为HCC靶向治疗提供了新的核心方向。尤其是针对索拉非尼、cabozantinib+nivolumab等主流治疗方案的非响应者，可开发HSP90B1特异性抑制剂（如PU-WS13）进行靶向治疗，逆转治疗耐药，提升临床治疗效果。 3.基于促肿瘤生态位的联合治疗策略：基于本研究发现的“基质-免疫-恶性细胞”协同促肿瘤模式与促肿瘤空间生态位的调控机制，可设计**“靶点抑制剂+抗血管生成+免疫检查点阻断”**的三联治疗策略。以HSP90B1抑制剂靶向恶性细胞与TME的核心依赖基因，以VEGF/ANGPT抑制剂破坏内皮-成纤维细胞的促血管通讯网络，以PD-1/PD-L1抑制剂重塑肿瘤免疫微环境，从恶性细胞、TME基质、免疫调控三个维度实现多靶点的肿瘤抑制。 4.构建HCC的综合预后与疗效预测模型：本研究鉴定的Endo-ESM1、Fib-POSTN、Macro-SPP1等高危细胞亚群与HSP90B1等核心靶点，均具有明确的临床预后价值，可将这些分子标志物整合，构建HCC的综合预后评估模型，为患者的预后判断提供更精准的分子依据。同时，HSP90B1的空间表达模式（弥散性/局灶性）可作为HCC靶向治疗与免疫治疗的疗效预测标志物，为临床治疗方案的选择提供参考。 5.肿瘤微环境的靶向干预：针对本研究发现的Endo-ESM1、Fib-POSTN、Fib-CD36等高危基质细胞亚群，可开发对应的靶向抑制剂，破坏促肿瘤空间生态位的结构基础与通讯网络，从TME层面抑制肿瘤的进展与转移。同时，可通过靶向调控巨噬细胞的极化，将免疫抑制型的Macro-SPP1/TREM2重编程为免疫活化型的Macro-CXCL9/FCN1，重塑肿瘤的免疫微环境，提升免疫治疗的效果。 八、整体文章内容总结 本研究针对肝细胞癌（HCC）异质性导致的治疗耐药、转移及预后差等临床核心困境，以“临床问题出发，回归临床应用”为导向，设计了“单细胞解构—空间验证—计算机模拟靶点筛选”的三步走整合研究策略，系统整合了覆盖正常肝、原发瘤、门脉癌栓（PVTT）、淋巴结转移（MLN）的大规模单细胞转录组数据，结合10x Visium空间转录组技术与前沿的生物信息学分析工具，完成了对HCC全进展阶段细胞生态与分子调控规律的系统解析。 研究首先经严格质控与批次校正，构建了HCC全进展阶段的单细胞全景图谱，明确了肝细胞比例递增、髓系细胞扩增、NK/T细胞减少的核心细胞动力学特征，以及内皮-成纤维细胞协同、基质-髓系细胞排斥淋巴细胞的细胞相关性规律；随后通过CopyKAT鉴定恶性肝细胞，利用cNMF技术解构出4个具有保守特征的转录元程序，明确了MP1（分化代谢型）与良好预后相关，MP2/3/4与疾病进展相关的临床特征，并发现MP1虽预后良好但介导索拉非尼代谢性耐药的关键规律；同时系统解析了TME中髓系、内皮、成纤维细胞的功能异质性，筛选出免疫抑制型的Macro-SPP1/TREM2巨噬细胞亚群，以及Endo-ESM1、Fib-POSTN/Fib-CD36等高危基质细胞亚群，明确了各亚群的分子特征、组织分布与临床预后价值。 在此基础上，研究利用CellChat解析出Endo-ESM1、Fib-POSTN、Fib-CD36形成的基质枢纽是TME的核心通讯调控者，其通过ECM分子与促血管因子构建双向正反馈通讯网络，并与免疫抑制型巨噬细胞、增殖应激型恶性细胞形成协同互作；再通过空间转录组学技术，将单细胞分子特征映射至肿瘤组织切片，验证并构建了具有“基质核心-免疫外周-肿瘤细胞环绕”分层结构的促肿瘤空间生态位，明确了TGF-β与缺氧为该生态位的核心调控通路。 最终，研究基于Geneformer针对三大有害细胞状态转换开展计算机模拟敲除，结合DepMap癌症依赖图谱筛选出癌症必需基因，并通过表达依赖性分析、cabozantinib+nivolumab治疗队列、索拉非尼治疗队列及TCGA-LIHC预后队列进行多维度验证，层层筛选后锁定HSP90B1为兼具“共同依赖+癌症必需+表达成瘾+治疗耐药+不良预后”的HCC核心治疗靶点。 本研究首次构建了HCC进展的分子与空间整合图谱，填补了领域内缺乏跨疾病阶段、多维度整合分析的空白，系统阐明了HCC恶性细胞与TME异质性的动态演变规律及协同调控机制，同时建立了高效的肿瘤靶点筛选体系，为HCC的精准分层治疗、靶向药物研发与联合治疗策略设计提供了坚实的理论依据和实验线索。本研究的分析范式与研究思路也为乳腺癌、肺癌等其他异质性显著的恶性肿瘤研究提供了重要参考，推动了精准肿瘤学的发展与基础研究向临床转化的落地。 益栈信talks 公众号，点个赞，加个关注 这里总有些你没有而又恰好需要的，加工作人员微信 (备注单位+名字），领资料和免费分析咨询服务，提供方案设计和生信分析服务，提供linux系统环境配置，软件安装，更多技术服务，请联系工作人员。 参考文献： Xia P, Shuang S, Fu D, et al. Large-scale single-cell analysis and in silico perturbation reveal dynamic evolution of HCC: from initiation to therapeutic targeting[J]. npj Precision Oncology, 2026.