《SLAS Technology》：Integrative Single-Cell and Bulk Transcriptomics Analysis Reveals Cellular Heterogeneity, Immune Microenvironment Dynamics, and Prognostic Signatures in Oral Squamous Cell Carcinoma
编辑推荐：
背景 口腔鳞状细胞癌（OSCC）是一种具有高度异质性临床预后的恶性肿瘤，深入理解其分子与细胞复杂性对于制定精准治疗策略至关重要。
方法 研究人员结合单细胞RNA测序（scRNA-seq）与bulk转录组数据，对OSCC的细胞图谱进行了整合分析。样本涵盖HPV阳
背景 口腔鳞状细胞癌（OSCC）是一种具有高度异质性临床预后的恶性肿瘤，深入理解其分子与细胞复杂性对于制定精准治疗策略至关重要。
方法 研究人员结合单细胞RNA测序（scRNA-seq）与bulk转录组数据，对OSCC的细胞图谱进行了整合分析。样本涵盖HPV阳性、HPV阴性、复发及非复发患者，应用了降维、轨迹推断、细胞通讯及空间转录组等计算生物学方法。生存分析采用Kaplan-Meier法，通路富集使用GSEA评估。基于PD-L1表达、肿瘤突变负荷（TMB）及免疫细胞浸润模式评估了免疫治疗反应预测因子。
结果 分析鉴定出具有显著生存差异的OSCC分子亚型（p < 0.001）。单细胞图谱揭示了6–8个主要细胞簇，包括癌上皮细胞、癌症相关成纤维细胞（CAFs）、肿瘤相关巨噬细胞（TAMs）、T细胞和B细胞。上皮-间质转化（EMT）通路在侵袭性亚型中显著富集（NES = 2.5, pFDR = 0.001）。轨迹分析描绘了从癌前病变经不典型增生向浸润癌及复发状态的发育路径。细胞通讯网络揭示了免疫细胞、成纤维细胞与癌细胞通过VEGF-VEGFR2、EGF-EGFR及胶原-CD44等配体-受体对进行广泛互作（p = 0.00001）。空间转录组显示了具有特定细胞组成的肿瘤微环境（TME）生态位。甲基化分析显示与基因表达呈强负相关（R = -0.70, p < 0.001），提示表观遗传调控。构建的六基因预后模型可有效区分患者风险组。免疫治疗反应预测中，PD-L1表达（似然评分0.75）与TMB是关键生物标志物。细胞类型比例与复发率显著相关（R2 = 0.65, p < 0.001）。
结论 该多组学研究为OSCC的细胞异质性、TME动态及进展机制提供了新见解，鉴定了新的预后标志物与治疗靶点，强调了免疫治疗在特定患者亚群中的潜力，并为口腔癌精准医疗提供了整合性分析框架。
论文解读：口腔鳞状细胞癌的多组学整合分析揭示肿瘤异质性与免疫微环境
一、研究背景与意义
口腔鳞状细胞癌（OSCC）是全球范围内高发的恶性肿瘤，传统治疗手段（手术、放疗、化疗）虽有一定效果，但患者5年生存率仍徘徊在50%–60%，主要受限于晚期诊断、高复发率及对肿瘤生物学认识的不足。OSCC具有显著的分子与细胞异质性，且其发生发展与烟草、酒精、槟榔等传统因素及HPV感染密切相关。肿瘤微环境（TME）中的免疫细胞、癌症相关成纤维细胞（CAFs）及细胞外基质构成了复杂的生态系统，通过动态互作促进免疫逃逸。单细胞RNA测序（scRNA-seq）与空间转录组（ST）技术的结合，为解析这一复杂性提供了前所未有的分辨率。本研究通过整合多组学数据，旨在系统揭示OSCC的细胞图谱、TME动态及潜在的治疗靶点，为精准医疗提供理论依据。该论文发表于《SLAS Technology》，体现了技术驱动下癌症研究向高精度、多维度发展的趋势。
二、关键技术方法概述
研究团队收集了涵盖HPV阳性、HPV阴性、复发及非复发OSCC患者的组织样本，构建了多队列对比分析框架。关键技术流程包括：利用Seurat和Scanpy进行单细胞数据质控、批次校正（Harmony算法）及细胞聚类注释；应用Monocle 3和Slingshot进行拟时序轨迹推断；采用CellChat和NicheNet重构细胞间通讯网络；结合空间转录组数据解析TME空间结构；通过DNA甲基化与CNV分析揭示表观遗传与基因组变异；利用Kaplan-Meier生存分析及GSEA通路富集评估临床预后与分子功能。
三、研究结果解析
3.1 数据质控与细胞图谱构建
研究人员首先对单细胞数据进行了严格的质控与批次效应校正，验证了批次混合效果的显著性改善（kBET接受率从0.23提升至0.78）。通过无监督聚类鉴定出6–8个主要细胞亚群，包括恶性上皮细胞、CAFs、TAMs、T/B淋巴细胞等。UMAP可视化显示不同临床分级（Grade I–IV）的细胞在降维空间中呈现明显分离，且细胞类型比例与临床复发状态存在强相关性（R2 = 0.65），提示特定细胞亚群的富集可能驱动疾病进展。
3.2 分子亚型与预后模型
基于转录组特征，研究将OSCC划分为具有显著生存差异的分子亚型（p < 0.001）。通过差异表达分析与机器学习，构建了一个包含六个关键基因的预后标志物模型，该模型在独立队列中有效区分了高危与低危患者。进一步分析显示，高危亚型中上皮-间质转化（EMT）通路显著激活（NES = 2.5），解释了其侵袭性表型。
3.3 发育轨迹与肿瘤进化
拟时序分析重构了OSCC从正常上皮→癌前病变→浸润癌→复发的连续发育轨迹。分支点分析揭示了细胞命运的分化路径，其中部分干细胞样上皮细胞表现出向恶性终末状态分化的高概率，这为早期干预提供了潜在靶点。
3.4 细胞通讯与免疫微环境
细胞间通讯网络分析揭示了TME中复杂的配体-受体互作。VEGF-VEGFR2、EGF-EGFR及胶原-CD44信号轴在CAFs、TAMs与癌细胞间的通讯强度最高（p = 0.00001），表明基质细胞通过旁分泌机制促进肿瘤血管生成与免疫抑制。空间转录组进一步证实了“肿瘤核心-侵袭前沿-基质”区域的特异性信号通路富集，其中侵袭前沿富含免疫-基质互作信号。
3.5 表观遗传与基因组变异
DNA甲基化分析显示，启动子区甲基化水平与基因表达呈显著负相关（R = -0.70），表明表观遗传沉默是OSCC基因调控的重要机制。CNV分析揭示了恶性上皮细胞中染色体特定区域的扩增与缺失，这些变异与细胞周期及DNA修复通路异常相关。
3.6 免疫治疗反应预测
结合PD-L1表达、TMB及免疫细胞浸润评分，研究评估了患者对免疫检查点抑制剂（ICIs）的潜在反应。结果显示，PD-L1高表达且TMB中高的患者亚群具有更高的免疫治疗获益概率（似然评分0.75），为临床筛选优势人群提供了多模态生物标志物。
四、讨论与结论
讨论总结：本研究通过多组学整合策略，系统刻画了OSCC的细胞异质性、TME空间结构及分子进化规律。研究发现，CAFs与TAMs通过特定信号轴（如VEGF、胶原）重塑免疫抑制微环境，促进肿瘤进展；表观遗传调控与CNV变异共同驱动了基因表达失调；基于六基因的预后模型及免疫治疗预测框架，具备转化为临床辅助工具的潜力。
研究结论（译文）：这项综合性多组学分析为OSCC的细胞异质性、肿瘤微环境动态及疾病进展机制提供了前所未有的见解。我们的发现识别了新的预后生物标志物和治疗靶点，特别强调了免疫治疗在特定患者亚群中的潜力。整合单细胞与空间转录组学的方法为口腔癌精准医学管理提供了一个框架。
