《Frontiers in Pharmacology》：Integrative single-cell analysis reveals immunogenic cell death–associated heterogeneity and identifies a robust prognostic signature in osteosarcoma with experimental validation
编辑推荐：
骨肉瘤具有显著的肿瘤内异质性，其免疫抑制性微环境是治疗难点。免疫原性细胞死亡（ICD）是一种可激活抗肿瘤免疫的调控性细胞死亡形式。本研究整合单细胞与bulk转录组数据，首次在单细胞层面揭示了骨肉瘤中ICD特征的细胞类型特异性分布，并构建了基于随机生存森林的稳健ICD预后模型。该模型在多个队列中成功分层患者预后，高/低风险组在通路活性、细胞通讯和药物敏感性上存在系统性差异，功能实验验证了关键基因NAP1L1的促癌作用。这为骨肉瘤的预后分层和精准治疗探索提供了新视角。
在恶性骨肿瘤的家族中，骨肉瘤以其高度的侵袭性和治疗复杂性而“闻名遐迩”。尤其对于青少年和年轻成人患者，它依然是生命健康的巨大威胁。尽管基于甲氨蝶呤、阿霉素和顺铂的多药化疗方案已成为标准治疗，但对于转移性或复发性骨肉瘤，患者的长期生存率在过去数十年里停滞不前，普遍低于20%-30%。一个令人困惑的现象是，即便接受相似的治疗方案，不同患者的疾病进展速度、转移倾向和治疗反应也呈现出天壤之别。这种巨大的临床异质性，无法单纯用肿瘤分期或组织学特征来解释，提示肿瘤内部存在着高度复杂且未被充分认识的生物学异质性。这不仅是治疗抵抗和免疫逃逸的重要基础，也构成了当前骨肉瘤精准治疗发展的主要瓶颈。
在肿瘤生物学中，细胞死亡的形式被认为是调控肿瘤进展和治疗反应的重要开关。近年来，一种特殊的细胞死亡形式——免疫原性细胞死亡（Immunogenic Cell Death, ICD）——备受关注。与“悄无声息”的死亡不同，ICD会在细胞死亡过程中暴露和释放特定的分子信号，从而像“警报”一样，激活抗原呈递、招募免疫细胞，有望将“冷”肿瘤转化为“热”肿瘤，调动人体自身的免疫系统来对抗癌症。此前在多类实体瘤中的研究都表明，ICD相关特征与免疫浸润、免疫治疗反应和患者预后息息相关。
然而，在骨肉瘤领域，我们对ICD的认识仍然模糊。大多数研究依赖批量转录组（bulk transcriptomic）数据来构建风险模型，这就像将一锅“细胞浓汤”混合分析，虽然技术上可行，却难以分辨观察到的ICD信号究竟来源于哪一种细胞——是恶性细胞本身，还是肿瘤微环境（Tumor Microenvironment, TME）中的免疫细胞或基质细胞？这种“只见森林，不见树木”的分析策略，限制了我们对ICD真实生物学状态的理解，也难以解释骨肉瘤中观察到的显著临床差异。
为此，一篇发表在《Frontiers in Pharmacology》上的研究，决定拿起“显微镜”，深入骨肉瘤的细胞世界一探究竟。研究人员采用了一种整合分析策略，将高分辨率的单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）数据与多个独立的批量转录组队列及临床信息相结合，旨在重新评估ICD在骨肉瘤中的生物学意义。他们不仅要在单细胞层面描绘ICD特征的分布图谱，还要构建一个稳健的预后模型，并系统揭示不同ICD风险状态下的分子生态系统差异，最终通过功能实验验证关键基因的作用。
关键技术方法概括：研究人员整合了来自GSE152048的11例骨肉瘤样本的单细胞RNA测序数据，以及TCGA-TARGET、GSE16091和GSE21257等多个批量转录组队列的临床随访信息。核心分析方法包括：1) 使用Seurat流程对单细胞数据进行质控、聚类和细胞类型注释，并利用AUCell方法计算单细胞水平的ICD活性评分；2) 在TCGA训练集上，运用加权基因共表达网络分析（Weighted Gene Co-expression Network Analysis, WGCNA）筛选与ICD相关的核心基因模块；3) 采用包括随机生存森林（Random Survival Forest, RSF）、LASSO、Elastic Net在内的多种机器学习算法构建预后模型，并选取性能最优的RSF模型生成最终风险评分；4) 利用基因集富集分析（Gene Set Enrichment Analysis, GSEA）、基因集变异分析（Gene Set Variation Analysis, GSVA）和CellChat工具，分别分析通路差异、细胞间通讯网络；5) 基于GDSC数据库使用pRRophetic R包预测药物敏感性；6) 在MG-63和U-2OS骨肉瘤细胞系中，通过过表达、CCK-8、Transwell、克隆形成和划痕实验，对关键基因NAP1L1进行体外功能验证。
3.1 骨肉瘤肿瘤微环境的细胞组成及单细胞分辨率下ICD特征的分布
研究首先绘制了骨肉瘤的单细胞图谱。通过对超过10万个细胞的分析，研究人员成功鉴定了包括上皮样肿瘤细胞、神经内分泌样肿瘤细胞、巨噬细胞、细胞毒性T细胞、成骨细胞、破骨细胞及其前体细胞、癌症相关成纤维细胞、血管内皮细胞等在内的多种细胞类型。随后，他们计算了每个细胞的ICD评分。结果令人惊讶：ICD活性并非均匀分布，而是呈现出显著的细胞类型依赖性和空间异质性。其中，巨噬细胞的ICD评分最高，而上皮样肿瘤细胞的评分最低。更重要的是，即使在同一种细胞类型内部，ICD评分也存在广泛的离散分布。这表明，ICD在骨肉瘤中更像是一种动态的细胞状态，而非固定的细胞类型属性。
3.2 ICD相关共表达模块的鉴定及其关联特征
为了在全局转录组水平寻找与ICD表型相关的基因共表达结构，研究对批量数据进行了WGCNA分析。结果发现了一个与ICD表型强相关的核心模块——“绿松石色模块”。该模块的基因不仅内部连接紧密，而且与ICD表型的关联性也最强，因此被选为后续构建预后模型的基因来源。
3.3 ICD相关预后模型的构建及跨队列验证
基于WGCNA筛选的基因，研究人员比较了多种机器学习生存预测模型的性能。最终，随机生存森林（RSF）模型因其在多个独立验证队列（TCGA、GSE16091、GSE21257）中表现出的最高稳定性和预测准确性而被选中。利用该模型，他们构建了一个ICD相关风险评分。依据风险评分中位数，患者被分为高风险组和低风险组。生存分析显示，高风险组患者的总生存期在所有队列中均显著短于低风险组。在RSF模型中，贡献度最高的关键基因包括NAP1L1、PDCD5、COMT和CREM。
3.4 与ICD风险分层相关的通路特征及其预后意义
为了理解不同风险组背后的生物学差异，研究进行了通路富集分析。结果显示，高风险组显著富集于炎症和应激相关通路，如TNFA信号（经由NF-κB）、补体和凝血通路。相反，低风险组则与WNT/β-连环蛋白信号、刺猬（Hedgehog）信号和KRAS信号抑制等通路相关联。进一步分析发现，高风险组中激活的炎症状态与不良预后相关，而低风险组中富集的某些通路（如雌激素反应晚期通路、P53通路）的高活性则预示着更好的生存。
3.5 与ICD风险分层相关的细胞起源差异及分子特征
研究将ICD风险分层映射回单细胞空间，发现高风险相关的细胞与低风险相关的细胞在t-SNE图中呈现出空间分离的趋势。差异基因功能分析表明，高风险组上调的基因与蛋白质折叠、氧化应激反应、内质网应激反应以及抗原加工呈递等过程相关，这提示高风险状态与持续的细胞压力和免疫激活有关。
3.6 与ICD风险分层相关的细胞间通讯特征
利用CellChat工具分析细胞间通讯发现，与低风险组相比，高风险组中肿瘤细胞（特别是神经内分泌样肿瘤细胞）与巨噬细胞、癌症相关成纤维细胞等间质细胞或免疫细胞之间的通讯频率和互作强度都显著增强。这种全局性的信号交流放大，表明高风险肿瘤处于一个更为活跃和复杂的微环境互动网络中。
3.7 与ICD风险分层相关的药物敏感性差异
基于计算药物敏感性预测，研究发现高风险组对多种抗癌药物表现出更低的预测半数抑制浓度（IC50），即更高的敏感性。这些药物包括喜树碱（Camptothecin）、阿糖胞苷（Cytarabine）和索拉非尼（Sorafenib）等。尤其值得关注的是索拉非尼，已有临床前和临床研究提示其对骨肉瘤有治疗潜力，本研究的预测结果为此提供了潜在的分层依据。
3.8 NAP1L1在骨肉瘤细胞中的体外功能验证
作为模型中的关键风险基因，NAP1L1的功能通过体外实验得到了验证。在MG-63和U-2OS骨肉瘤细胞系中过表达NAP1L1，能显著促进细胞的增殖、迁移、侵袭和克隆形成能力。这为ICD风险模型的生物学合理性提供了直接的实验证据。
研究结论与重要意义
本研究通过整合多组学数据，系统揭示了骨肉瘤中ICD特征的细胞水平异质性，并成功构建了一个稳健的ICD相关预后模型。研究的核心结论在于：ICD并非一个均质的肿瘤整体属性，而是一种在细胞类型和细胞状态间高度异质分布的特征。在骨肉瘤中，巨噬细胞表现出最高的ICD评分，这可能反映了其作为“警报接收者”处于激活状态，积极感知和处理来自死亡肿瘤细胞的免疫原性信号。
该研究构建的RSF预后模型能够稳定地在多个独立队列中区分出预后不良的高风险患者。这些高风险肿瘤展现出一个整合的、高活性的分子状态：它们不仅富集于炎症和应激相关通路，还与肿瘤微环境中其他细胞（特别是神经内分泌样肿瘤细胞与巨噬细胞、成纤维细胞等）保持着异常活跃的通讯网络。这种状态可能与肿瘤的侵袭性和免疫调节特性密切相关。同时，药物敏感性预测提示高风险肿瘤可能对某些化疗药（如喜树碱、阿糖胞苷）和靶向药（如索拉非尼）更敏感，这为未来的精准治疗探索提供了线索。
最后，对关键基因NAP1L1的功能验证不仅确认了其在促进骨肉瘤恶性表型中的直接作用，也为整个风险模型提供了生物学上的锚点。结合其与ICD效应分子（如钙网蛋白CALR、高迁移率族蛋白B1 HMGB1）的相关性，研究人员推测NAP1L1可能通过影响染色质重塑，在驱动肿瘤生长的同时，也参与了免疫原性的调控。
综上所述，这项研究将我们对骨肉瘤ICD的认识从“黑箱”式的整体层面，推进到了清晰的单细胞层面。它表明ICD风险评分实际上捕捉了一个由细胞内在程序与微环境互动共同塑造的、复杂的肿瘤状态。这不仅为理解骨肉瘤的临床异质性提供了新见解，更重要的是，所构建的模型和发现的关联特征（如与索拉非尼敏感性的关联）为未来实现更精确的患者风险分层和个性化治疗策略的制定，奠定了重要的理论基础和数据分析框架。尽管仍需更大样本和前瞻性研究验证，但这项研究无疑为破解骨肉瘤的治疗困境开辟了一条富有希望的新路径。
