查看原文
其他

GPB | 宁波大学沈志森/廖奇团队发表肿瘤干细胞单细胞水平分子特征研究

测序中国
2024-11-06
导读


肿瘤干细胞(CSC)是肿瘤中一群具有自我更新能力、高分化潜能、强致瘤性和显著耐药性的独特细胞亚群。它们隐藏在肿瘤微环境中,并与肿瘤的起始、发展、转移及复发密切相关。然而,肿瘤干细胞在单细胞水平的分子特征及其在肿瘤微环境中的生态位仍然知之甚少。在肿瘤组织中,CSCs的比例很低,估计约为0.01%至2%,从肿瘤组织中分离和鉴定肿瘤干细胞极具挑战性。随着单细胞转录组测序的发展,该技术对于识别关键标志物和揭示肿瘤干细胞潜在分子机制具有重要优势。

近日,宁波大学附属李惠利医院沈志森教授和宁波大学廖奇教授团队在Genomics, Proteomics & Bioinformatics(IF=11.5,Q1)发表了题为“Characterization of Cancer Stem Cells in Laryngeal Squamous Cell Carcinoma by Single-cell RNA Sequencing”的研究论文。该研究通过单细胞转录组测序,系统性地鉴定和验证了喉鳞状细胞癌(LSCC)患者的肿瘤干细胞群体,详细阐述了该群体的分子特征及其在肿瘤微环境中的复杂通讯网络,为肿瘤干细胞的靶向治疗提供了潜在的干预策略。

文章发表在Genomics, Proteomics & Bioinformatics



主要研究内容

研究团队对LSCC原发肿瘤组织(LC)、匹配的癌旁组织(PT)和局部淋巴结(LM)进行了单细胞转录组测序分析。该研究在上皮细胞亚群中标记了8类亚群,通过使用传统的干细胞标志基因PROM1ALDH1A1,识别出一个稀有的干细胞(SC)群体(图1A)。研究发现,98.26%的SCs处于G1期,且SCs中与细胞周期相关的基因表达显著较低,即保持静息或缓慢增殖的状态。拟时序分析表明SCs处于上皮细胞的发育起点,这些特征符合对SCs的已有认知。

然而,肿瘤组织中可能同时存在肿瘤干细胞和正常干细胞(NSCs),进一步聚类分析获得SC-C1和SC-C2两个群体(图1B)。研究团队发现94.12%来源于肿瘤组织的SCs被归类为SC-C2,相反67.81%来源于癌旁组织的干细胞被归类为SC-C1(图1B)。与SC-C1相比,SC-C2表现出Wnt/β-catenin信号通路、Notch信号通路、低氧、MYC靶点、炎症和干扰素反应通路的高活性。转录因子活性分析显示,SC-C2中RUNX1(13g)和SOX4(20g)调控子的AUC评分显著高于SC-C1;与先前研究一致,RUNX1SOX4通常与癌症复发、癌细胞干性的维持有关。SC-C2高表达FOLR1、CCL28、FRZB等标志基因,免疫组化也显示PROM1FOLR1在癌旁组织中的表达水平高于肿瘤组织。综上,研究团队确认SC-C2具有明显的肿瘤干细胞特征,并且在癌旁组织中富集。进一步使用其他LSCC单细胞测序数据和TCGA数据也验证了CSCs的真实存在和组织定位(图E-F)。

鉴于肿瘤干细胞在癌症发展、复发和转移中的关键作用,其标志基因在临床中或具有重要应用潜力。研究团队筛选出了172个CSCs的标志基因,并利用多重免疫组化证实了其中3个(PROM1、FOLR1DMBT1)在肿瘤组织切片中的表达。对肿瘤干细胞标志基因构建的预后模型,也获得了良好的预测准确性(图1G)。研究团队进一步鉴定了24个特异性表达的基因,并结合iLINCS数据库预测了若干潜在的靶向药物,即可能通过抑制特异性基因的表达来抑制CSCs的发生发展。

最后,研究团队还对肿瘤干细胞与免疫细胞、基质细胞之间的通讯网络进行了深入解析,发现髓系细胞表达的NAMPT诱导CSCs中INSR的高表达,推测抑制NAMPT是抑制CSCs的潜在靶点。相较于NSCs,该研究还发现CSCs具有调控血管细胞发展的能力,相关通路在CSCs中表现出更强和更特异性的模式(图1H)。


挑战与展望

综上所述,该研究在单细胞水平上对LSCC中的肿瘤干细胞及其特征进行了全面的分析和表征,深入了解了肿瘤干细胞的标志基因、转录因子、功能等分子特征,构建了预后分析模型,预测了潜在的干预靶点和药物,探究了肿瘤干细胞与肿瘤微环境细胞间的通讯网络,为开发肿瘤干细胞靶向治疗策略奠定了基础。然而,肿瘤干细胞的来源和演化仍然较为模糊,肿瘤干细胞的耐药机制也尚未完全阐明,需要更多临床样本进行研究,以期开发针对CSCs的治疗策略。

论文原文:

Li Y, Lin C, Chu Y, Wei Z, Ding Q, Gu S, Deng H, Liao Q, Shen Z. Characterization of Cancer Stem Cells in Laryngeal Squamous Cell Carcinoma by Single-cell RNA Sequencing. Genomics Proteomics Bioinformatics. 2024 Aug. doi: 10.1093/gpbjnl/qzae056.

·END·

热文推荐

戴琼海/邓岳团队构建多模态融合的深度生成模型soScope

提前10年预测超50种疾病的发病风险

11种空间转录组学方法的系统比较

EGFR和TP53基因共突变可导致肺癌靶向治疗耐药性

快点亮"在看”吧

继续滑动看下一个
测序中国
向上滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存