单细胞和bulk转录组数据分析
鉴定HCC恶性细胞亚群并筛选关键基因HP
使用Seurat分析12例HCC患者的scRNA-seq数据，鉴定细胞类型和恶性细胞亚群；结合TCGA和GEO的bulk RNA-seq数据，进行生存分析和差异表达基因筛选。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
双触珠蛋白表达在肝细胞癌重分类和治疗中的潜在应用
Potential applications of dual haptoglobin expression in the reclassification and treatment of hepatocellular carcinoma
实验完整度
高文献包含基于scRNA-seq和bulk RNA-seq的生物信息学分析、细胞系体外药物处理及MTT实验、Western blot蛋白验证、小鼠异种移植瘤模型体内验证等多个独立证据层级，并包含功能验证和机制探索。
主要模型
HCC患者单细胞数据集（12例） Hep3B和Huh-7肝癌细胞系 LO2正常肝细胞系 BALB/c-nu裸鼠异种移植瘤模型
重点核对
HP在恶性细胞亚群Malignant_Sub 6中的高表达及其对患者生存的影响 HP在T细胞中的低表达促进Th1型反应，涉及IFNG、LAG3、PDCD1、CXCR3等标记蛋白 HP与C3的相互作用及C3-C3AR1轴在肿瘤-免疫通讯中的作用 基于HP和C3表达的四种新辅助治疗反应预测模型 Pyridoxine等五种药物对肝癌细胞增殖抑制及体内肿瘤生长的效果
摘要
肝细胞癌（HCC）是一种高发病率和高死亡率的恶性肿瘤。传统的HCC分类主要依赖于肿瘤形态、表型和多细胞分子水平，这可能无法准确反映肿瘤内的细胞异质性。本研究整合scRNA-seq和bulk RNA-seq，将HP确定为HCC恶性细胞亚群中的一个关键基因。HP在HCC恶性细胞中高表达，在T细胞中低表达。在恶性细胞内，升高的HP表达与C3相互作用，通过C3/C3AR1轴促进Th1型反应。在T细胞中，下调HP表达有利于Th1细胞相关标记基因的表达，可能增强Th1型反应。因此，我们开发了一个“HP促进的Th1反应重分类”基因集，其较高活性评分与HCC患者更好的生存率相关。此外，基于HP和C3表达建立了四个新辅助治疗预测模型：1) 低HP和C3表达且高Th2细胞浸润；2) 高HP和低C3表达且高Th2细胞浸润；3) 高HP和C3表达且高Th1细胞浸润；4) 低HP和高C3表达且高Th1细胞浸润。总之，从HCC恶性细胞亚群（Malignant_Sub 6）中筛选出的HP基因可能通过促进Th1型免疫反应而成为对抗肿瘤的潜在盟友。“HP促进的Th1反应重分类”基因集的建立为HCC患者生存预后和新辅助治疗疗效提供了预测性见解，为临床治疗提供了方向。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 探索肝细胞癌中恶性肿瘤细胞亚群的关键基因及其对肿瘤免疫微环境的调控作用，特别是HP的双重表达对Th1型免疫反应和HCC分类及治疗的影响。
- 核心机制
- HP在恶性细胞中的高表达与C3相互作用，通过C3-C3AR1轴促进Th1型反应；在T细胞中HP低表达有利于Th1细胞相关标记基因的表达，从而增强Th1型免疫反应，发挥抗肿瘤作用。
- 主要证据
- 基于单细胞和bulk RNA-seq分析发现HP在恶性细胞亚群中高表达，与C3正相关；体外实验表明Pyridoxine上调HP蛋白表达并抑制肝癌细胞活力；siHP实验证实下调HP增强Th1标记蛋白表达；小鼠模型验证药物抗肿瘤效果；空间转录组分析显示HP和C3表达与治疗反应及Th1/Th2浸润相关。
- 研究意义
- 研究提出基于HP和C3表达及Th1/Th2浸润的HCC重分类策略，构建“HP促进的Th1反应重分类”基因集，预测患者生存和新辅助治疗疗效，为临床治疗提供方向。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
候选基因鉴定与药物预测
根据恶性亚群中差异基因的相互作用和生存关联筛选关键基因，并预测潜在治疗药物
对Malignant_Sub 6亚组进行共识聚类分析，比较亚型间差异基因，利用PPI网络和DGIdb数据库预测药物，并通过MTT实验验证药物对肝癌细胞活力的影响。
体外药物验证和体内肿瘤模型
验证筛选药物对肝癌细胞增殖的抑制效果及体内的抗肿瘤作用
使用MTT法检测五种药物对不同浓度和时间处理的Hep3B、Huh-7和LO2细胞活力的影响；在裸鼠皮下接种Hep3B细胞，药物灌胃，测量肿瘤体积和重量。
HP表达与免疫浸润分析
评估HP在HCC中的表达水平及其与免疫细胞浸润的关系
分析HP在泛癌和LIHC中的表达，比较肿瘤与正常组织；使用MCPcounter和Timer评估HP表达与免疫浸润的相关性；通过GSEA和GSVA分析相关通路。
T细胞亚群分析和HP敲低实验
研究HP在T细胞分化中的作用，特别是对Th1型反应的影响
对scRNA-seq中的T细胞进行再聚类，分析T_Sub 5亚群的伪时间轨迹和功能富集；构建HP敲低的Th2细胞，通过Western blot验证Th1相关蛋白表达。
细胞通讯和信号通路分析
探索HP表达恶性细胞与T细胞亚群之间的相互作用，特别是补体途径
使用CellChat分析恶性细胞亚群与T细胞亚群之间的配体-受体相互作用，鉴定关键信号通路（如补体），并通过相关性和PPI分析验证HP与C3的关系。
基因集构建与临床关联
构建“HP促进的Th1反应重分类”基因集，并验证其预测HCC患者生存和新辅助治疗疗效的价值
基于HP、C3及相关基因构建基因集，利用GSVA评分关联HCC患者生存；在空间转录组数据中评估基因集评分与治疗反应的关系，并根据HP和C3表达重分类，结合Th1/Th2浸润分析。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 细胞培养 | DMEM培养基 | Gibco | 12100-046 |
| 青霉素-链霉素 | Gibco | 15140122 | |
| 胎牛血清 | Thermo Fisher Scientific | -- | |
| CO2培养箱 | SHEL LAB | -- | |
| 细胞活力检测 | MTT试剂 | -- | -- |
| 二甲基亚砜 | -- | -- | |
| Western blot | RIPA裂解液 | Solarbio | -- |
| BCA蛋白定量试剂盒 | Beyotime | -- | |
| PVDF膜 | Millipore | IBFP0813C | |
| Clarity Western ECL底物 | Bio-Rad | -- | |
| ChemiDoc成像系统 | Bio-Rad | -- | |
| 抗触珠蛋白抗体 | Bioss | bs-1808R | |
| 抗CCR4抗体 | Bioss | Bs-1168R | |
| 抗LAG3抗体 | Bioss | Bs-2646R | |
| 抗PDCD1抗体 | Immunoway | YN3309 | |
| 抗IFN-γ抗体 | Immunoway | YT2279 | |
| 抗CXCR3抗体 | Fine Test | FNab09859 | |
| 抗GAPDH抗体 | Beyotime | AF1186 | |
| 药物处理 | 吡哆醇 | Casmart | -- |
| 维拉帕米 | Casmart | -- | |
| 苯溴马隆 | Casmart | -- | |
| 链脲佐菌素 | Casmart | -- | |
| 阿司匹林 | Casmart | -- | |
| 酮康唑 | Casmart | -- | |
| 瑞舒伐他汀钙 | Casmart | -- | |
| 利培酮 | Casmart | -- | |
| 萘普生 | Casmart | -- | |
| 雷帕霉素 | Casmart | -- | |
| 伊洛马司他 | Casmart | -- | |
| 马立马司他 | Casmart | -- | |
| 利托那韦 | Casmart | -- | |
| 动物实验 | BALB/c-nu裸鼠 | Beijing HFK Bioscience | -- |
| 磷酸盐缓冲液 | -- | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 细胞培养 | 细胞系来源，培养基成分（DMEM、10% FBS、1%青霉素-链霉素），培养条件（37°C、5% CO2） 阅读提示：M&M Cell Culture |
| MTT实验 | 细胞接种密度（2000细胞/孔），药物浓度，处理时间（24、48、72h），MTT孵育时间（4h），DMSO溶解，酶标仪检测波长（490nm） 阅读提示：M&M Cell Viability |
| Western blot | 细胞处理方式（Pyridoxine 0和5mM，48h），蛋白提取方法（RIPA+PMSF），BCA定量，SDS-PAGE凝胶浓度（12%），转膜（PVDF），封闭液（5%脱脂牛奶），一抗稀释度（1:1000），二抗孵育时间，ECL显色 阅读提示：M&M Western blot, Table 1 |
| 异种移植瘤模型 | 小鼠品系（BALB/c-nu，雄性，4周龄），细胞类型和数量（Hep3B 2×10^6），注射方式（皮下），分组（6组），给药方式（灌胃），药物浓度（Rosuvastatin 10μM等），检测指标（肿瘤体积、体重） 阅读提示：M&M Xenograft tumor model |
| 生物信息学分析 | 单细胞数据集（CNP0000650），空间转录组数据集（GSE238264），TCGA LIHC数据，差异分析阈值，GSVA/GSEA参数 阅读提示：M&M Data availability, ScRNA-seq data processing, etc. |
| 细胞通讯分析 | CellChat分析参数，重点关注通路（COMPLEMENT, EGF, GDF, OSM, PROS），配体受体对的表达和通信概率 阅读提示：M&M CellChat |