整合多组学分析揭示胃癌中肿瘤相关巨噬细胞的异质性及预后特征

《HUMAN MUTATION》：Integrative Multiomics Analysis Reveals Tumor-Associated Macrophage Heterogeneity and a Prognostic Signature in Gastric Cancer

研究人员整合单细胞RNA测序（scRNA-seq）、批量转录组学与空间转录组学数据，系统解析胃癌（GC）中肿瘤相关巨噬细胞（TAM）的异质性并识别预后生物标志物。scRNA-seq分析共鉴定出9种主要细胞类型（T细胞、浆细胞、上皮细胞、成纤维细胞、巨噬细胞、内皮细胞、B细胞、平滑肌细胞及肥大细胞），并发现具有肿瘤特异性扩增模式的巨噬细胞亚群。高维加权基因共表达网络分析（hdWGCNA）识别出在胃癌相关巨噬细胞中富集的共表达模块。研究人员采用机器学习算法构建预后特征，其中CoxBoost模型在多个队列中均表现出最优预测效能。该七基因特征（包含UPP1、VCAN、ELL2、ABCA1、TUBA1A、MX2及TSPO）在生存预测中显示出稳健的预后价值。空间转录组分析进一步揭示UPP1阳性TAM介导的独特代谢谱及广泛的细胞互作网络。上述发现提供了TAM异质性的全景图谱，并确立了具有潜在治疗价值的新型预后生物标志物。

本研究发表于《HUMAN MUTATION》，针对胃癌（GC）肿瘤微环境（TME）中肿瘤相关巨噬细胞（TAM）异质性不明、缺乏有效预后标志物的临床难题展开。胃癌是全球高发恶性肿瘤，晚期患者五年生存率低于30%，现有治疗手段遭遇瓶颈，深入解析TME中免疫细胞亚群的分子特征成为突破关键。TAM作为TME中丰度最高的免疫细胞群体，其功能可塑性极强，传统M1/M2二元分类已无法涵盖其复杂表型，其在胃癌进展中的精确分子调控机制尚未完全阐明。为此，研究人员整合单细胞转录组、批量转录组与空间转录组技术，旨在绘制TAM异质性图谱，挖掘具有临床应用潜力的预后基因特征，并探索其介导的代谢重编程与细胞互作网络。

为开展此项研究，研究人员主要采用了以下关键技术方法：利用公共数据库获取5对胃癌及癌旁组织的单细胞RNA测序（GSE183904）与空间转录组数据（GSE251950），并结合TCGA-STAD及4个独立GEO队列（GSE15459、GSE26253、GSE26901、GSE28541）的批量转录组数据进行验证。技术上，运用Seurat进行单细胞数据处理与注释，采用Milo算法分析细胞亚群差异丰度，利用高维加权基因共表达网络分析（hdWGCNA）识别功能模块，通过10种机器学习算法筛选并构建最优预后模型，并借助CellChat与SpaTalk算法分别解析单细胞与空间层面的细胞通讯网络。

研究结果部分的主要内容如下：

3.1 胃癌单细胞图谱揭示独特巨噬细胞亚群

研究人员通过对GSE183904数据集的分析，成功构建了包含9种主要细胞类型的胃癌单细胞转录组图谱，明确了肿瘤与癌旁组织的细胞组成差异。通过对巨噬细胞进行二次聚类，利用Milo算法鉴定出Cluster 1、2、6、10在肿瘤组织中显著扩增，将其定义为胃癌相关巨噬细胞（GC_Macro）。细胞通讯分析显示，巨噬细胞与其他细胞类型存在广泛的配体-受体互作，且具有独特的信号输入输出模式。

3.2 通过hdWGCNA分析识别巨噬细胞特征基因

研究人员对巨噬细胞亚群进行hdWGCNA分析，构建了无尺度拓扑网络并识别出9个共表达模块。其中红色、蓝色和绿色模块特异性富集于GC_Macro亚群。选取这三个模块的Top 50基因（共150个候选基因）作为后续预后建模的基础。

3.3 基于机器学习的巨噬细胞相关预后特征构建

经单因素Cox回归筛选出16个与总生存期（OS）显著相关的基因。通过对比10种机器学习算法的预测效能，CoxBoost模型表现最佳，其在1年、3年和5年的平均时间依赖性受试者工作特征曲线下面积（AUC）分别为0.680、0.687和0.655。最终构建了包含UPP1、VCAN、ELL2、ABCA1、TUBA1A、MX2和TSPO的七基因预后特征。Meta分析显示该特征在7个独立队列中合并风险比（HR）达1.9107，高风险组患者预后显著较差。进一步分析表明，UPP1在胃癌组织中显著高表达，并与癌症免疫循环及多种免疫细胞浸润密切相关。

3.4 UPP1⁺TAM的特征及其细胞互作

研究人员聚焦于肿瘤组织，将TAM进一步分群，发现UPP1主要在TAM亚群中高表达。细胞通讯分析显示，UPP1⁺TAM与恶性细胞、癌症相关成纤维细胞（CAF）及肿瘤内皮细胞（TEC）的互作显著增强，并通过特定配体-受体对参与血管生成与免疫调节。

3.5 空间转录组分析揭示胃癌代谢异质性

利用空间转录组数据，研究人员将组织划分为14个空间集群。分析显示UPP1、TSPO等TAM特征基因在特定区域富集。代谢通路活性评分显示，不同空间集群在半乳糖代谢、甘油磷脂代谢等通路上存在显著异质性，揭示了TME内的代谢分区现象。

3.6 空间解卷积揭示UPP1⁺TAM介导的细胞网络

空间解卷积明确了UPP1⁺TAM在肿瘤区域的定位及其与恶性细胞、基质细胞的共定位关系。多尺度空间互作分析发现，UPP1⁺TAM在三个空间尺度（同点、邻近5点、远端15点）均发挥核心连接作用。配体-受体分析确定SPON2-ITGB1为关键互作对，提示其在介导TAM与肿瘤细胞交流中的重要作用。

在讨论部分，研究人员指出，本研究超越了传统的M1/M2分类，系统描绘了GC中TAM的异质性。七基因预后特征的建立不仅具有预测价值，其中核心基因UPP1作为嘧啶补救途径的关键酶，提示UPP1⁺TAM可能通过代谢重塑支持肿瘤进展。研究解释了UPP1高表达伴随效应T细胞招募却导致不良预后的悖论，即TAM可能通过消耗尿苷造成TME内的营养竞争，导致T细胞功能失调。同时，研究强调了SPON2-ITGB1轴作为潜在治疗靶点的价值。研究人员也坦承研究存在样本量有限、回顾性数据偏倚及缺乏体内外功能验证等局限性。

结论部分翻译如下：

综上所述，本研究通过多组学分析揭示了胃癌中TAM的异质性，并确立了一个具有潜在临床应用价值的预后基因特征。研究将UPP1⁺TAM表征为一个具有情境依赖性免疫代谢活性的功能独特亚群，这为开发靶向治疗策略奠定了基础。未来的研究应侧重于在更大规模的临床队列中验证这些发现，并探索靶向UPP1⁺TAM介导的代谢和信号网络在胃癌治疗中的潜力。