整合单细胞分析与数字病理学技术，用于胰腺癌的风险分层

《Clinical & Experimental Metastasis》：Integrating single-cell analysis and digital pathology for risk stratification in pancreatic cancer

摘要

早期肝转移是导致胰腺导管腺癌（PDAC）预后不良的主要因素。单细胞RNA测序（scRNA-seq）可以分析原发肿瘤和转移灶之间的异质性，但其广泛的临床应用受到成本、组织需求和分析复杂性的限制。相比之下，H&E染色切片更为常见。然而，目前尚不清楚从图像中提取的风险信号是否能够真正反映与转移相关的生物学特征。我们将原发性和转移性胰腺导管腺癌（PDAC）的单细胞RNA测序数据（GSE154778）与TCGA转录组数据、临床病理学数据和H&E图像数据进行了整合。基于InferCNV的拷贝数模式被用来区分拷贝数较高的恶性导管细胞和拷贝数较低的导管细胞。差异表达分析和LASSO筛选识别出一个与转移相关的特征，该特征由四个基因（ARHGAP18、ASPH、EIF4EBP1、LY6D）组成，随后这一特征通过与双流式病理组学流程提取的图像特征进行了关联。在六个独立的GEO PDAC亚组中评估了转录水平在预后预测中的重复性，并使用TCGA的冷冻临界值在外部CPTAC子集上进一步验证了该病理模型。伪时间分析表明，一部分转移性恶性导管细胞处于类似前体的转录状态。细胞间通信分析显示，转移灶中的抗原呈递/前列腺素相关信号通路减弱，同时MIF和层粘连蛋白相关通路相对富集。尽管在训练数据中的区分度较低，但该病理模型在内部TCGA验证数据中仍保持了预后分层能力。在六个使用特定队列临界值分析的外部GEO队列中，LY6D在四个队列中显示出显著的不良生存关联，ARHGAP18和ASPH在三个队列中显示出显著关联，EIF4EBP1在一个队列中显示出显著关联。在外部CPTAC队列中，该病理模型也具有预后预测能力（HR 1.60，95% CI 1.11–2.30；log-rank P = 0.011），12个月、24个月和36个月的时间依赖性AUC分别为0.635、0.617和0.639。本研究提出了一种将scRNA-seq衍生的转移特征与常规病理图像联系起来的整合型基因型到表型工作流程。外部转录水平验证和支持性的CPTAC病理组学评估增强了这些发现，但在任何临床应用之前，仍需要更大规模的独立验证研究和机制实验。