《Scientific Reports》：Identification and validation of a refined CAF-Associated diagnostic signature in breast cancer
编辑推荐：
本研究针对乳腺癌中癌症相关成纤维细胞（CAF）异质性机制不清、缺乏高效诊断标志物的问题，通过整合单细胞测序与机器学习算法，筛选出FXYD1、SULF1和TNXB三个关键CAF相关基因，构建了随机森林高精度诊断模型（AUC>0.9），并首次揭示Luminal与非Luminal亚型CAF对达沙替尼等药物的敏感性差异。研究成果为乳腺癌微环境靶向治疗提供了新靶点和理论依据。
乳腺癌作为全球女性发病率最高的恶性肿瘤，其肿瘤微环境（Tumor Microenvironment, TME）中的癌症相关成纤维细胞（Cancer-Associated Fibroblasts, CAFs）近年来被证实是驱动肿瘤进展的关键角色。然而，CAFs具有高度异质性，其亚型分类、功能差异及与临床预后的关联尚不明确，制约了针对CAF的精准治疗策略开发。在此背景下，周欣团队在《Scientific Reports》发表的最新研究，通过多组学整合分析揭开了CAF异质性的面纱。
研究团队首先利用三个乳腺癌单细胞数据集交叉筛选CAF特异性基因，并结合TCGA（The Cancer Genome Atlas）数据库中的差异表达基因（Differentially Expressed Genes, DEGs），最终通过随机森林（Random Forest, RF）算法锁定FXYD1、SULF1和TNXB作为核心标志物。这三大基因在乳腺癌组织中呈现显著异常表达：FXYD1和TNXB下调，SULF1上调。基于此构建的诊断模型在五个独立数据集（TCGA、METABRIC、GSE65194等）中均表现出色，其中RF模型在内部验证集的AUC值高达0.994。
关键技术方法包括：从TCGA和GEO（Gene Expression Omnibus）数据库获取乳腺癌转录组数据；采用递归特征消除（Recursive Feature Elimination, RFE）结合多种机器学习算法进行特征筛选；利用单细胞RNA测序（scRNA-seq）数据解析CAF亚群；通过免疫组织化学（IHC）验证蛋白表达；借助beyondcell算法预测药物敏感性。临床样本来自淄博市妇幼保健院未经过治疗的乳腺癌患者手术标本。
1. 机器学习识别CAF特征基因
通过整合三个单细胞研究的CAF差异基因列表与TCGA乳腺癌差异表达基因，筛选出28个候选基因。随机森林算法最终确定FXYD1、SULF1和TNXB为最优三基因组合，其在癌与正常组织中表达差异显著，主成分分析（PCA）和t-SNE降维均能有效区分两类组织。
2. 诊断模型构建与验证
以三基因为特征，RF模型在内部和外部验证集中均表现最佳（AUC: 0.873–0.994），显著优于支持向量机（SVM）等算法。SHAP值分析显示FXYD1和TNXB在不同数据集中贡献度存在差异，反映了肿瘤异质性的影响。
3. 基因变异与预后分析
TCGA和METABRIC数据库的拷贝数变异（Copy Number Alteration, CNA）分析显示，SULF1扩增频率最高（METABRIC中达15.86%），且其变异与无病生存期（Disease-Free Survival, DFS）负相关；而FXYD1变异在METABRIC中与总生存期（Overall Survival, OS）改善相关。
4. 单细胞分辨率下的表达模式
基质细胞被细分为内皮细胞、周细胞和成纤维细胞，进一步聚类发现CAF可划分为炎症性CAFs（iCAFs）和肌成纤维样CAFs（mCAFs）。FXYD1主要在正常成纤维细胞表达，SULF1富集于mCAFs，TNXB在iCAFs中高表达。伪时间轨迹分析显示，成纤维细胞向CAF转化过程中，FXYD1表达逐渐丧失，SULF1持续上升。
5. 功能与药物敏感性预测
基因本体（GO）和京都基因与基因组百科全书（KEGG）分析提示mCAFs主导细胞外基质重塑，iCAFs调控炎症信号。药物敏感性预测发现，mCAFs对达沙替尼（Dasatinib）敏感，而iCAFs更响应MUBRITINIB；Luminal与非Luminal亚型CAF的药物响应谱具明显差异。
6. 免疫组化验证
IHC结果证实FXYD1在正常乳腺肌上皮细胞和成纤维细胞中高表达，在癌组织中显著缺失；SULF1在癌相关成纤维细胞中上调，且与α-SMA（Alpha Smooth Muscle Actin）、Vimentin等CAF标志物共定位；TNXB蛋白水平在良恶性组织中无显著差异。
研究结论强调，FXYD1可能通过调控Na+/K+-ATPase活性影响CAF活化，SULF1则经由TGF-β通路促进肿瘤进展。团队首次提出Luminal与非Luminal亚型CAF的功能异质性，为靶向CAF的联合疗法提供了理论依据。尽管缺乏功能实验验证和大队列多中心数据，该研究仍为乳腺癌微环境研究开辟了新方向，有望推动早期诊断和个体化治疗的发展。
