aCAF的组织学鉴定与验证
建立可重复的aCAF形态学评估标准，并验证其观察者间一致性。
基于H&E染色全切片图像，由三位病理学家独立评估aCAF，采用10%阈值界定阳性，并计算Fleiss' κ系数。
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
癌症相关成纤维细胞与结直肠腺癌中CD8+ T细胞耗竭及不良预后相关：多组学与机器学习分析
Cancer-associated fibroblasts are associated with CD8+ T cell depletion and poor prognosis in colorectal adenocarcinoma: a multi-omics and machine learning analysis
实验完整度
中研究基于回顾性队列和TCGA数据，进行了组织学评估、免疫组化、转录组分析、机器学习建模及单细胞数据验证，但缺乏功能性实验验证。
主要模型
结直肠腺癌患者队列（n=404） TCGA结直肠癌队列（n=620） 单细胞RNA-seq数据GSE200997
重点核对
aCAF阳性判定阈值：>10%基质细胞呈现活化形态 多中心队列：Eulji Medical Center队列和TCGA队列 免疫组化：CD8和CD4免疫组化染色，抗体克隆号4B11和4B12 单细胞数据：GSE200997，包含16例结直肠癌和7例正常样本
摘要
各种肿瘤微环境中的成纤维细胞增殖通过复杂的免疫反应相互作用影响癌症生存。本研究调查了组织学上独特的活化癌症相关成纤维细胞（aCAFs）对生存结果和免疫反应的影响，并检查了它们与各种病理生理机制的关联。我们分析了来自两个队列的共1,024例结直肠腺癌患者。基于苏木精-伊红染色的全切片图像评估aCAFs，并评估其与临床病理特征、免疫细胞浸润和生存的关联。我们开发了基于机器学习的生存预测模型，整合了aCAFs和临床病理参数。此外，我们对aCAF相关基因进行了差异基因表达分析、功能富集分析和体外药物筛选。aCAFs与晚期T分期、淋巴血管浸润、神经周围浸润以及CD8+和CD4+ T细胞浸润减少相关。在单因素和多因素分析中，aCAFs也与较差的总生存期和无病生存期相关。功能富集分析显示，aCAF相关基因参与免疫抑制信号、氧化应激调节和肿瘤进展途径。基于机器学习并纳入aCAFs的生存预测模型在总生存期和无病生存期方面表现出优于不含aCAFs模型的预后准确性。我们通过基于生物信息学的基因组分析和机器学习对aCAFs与免疫反应关联的分析，为结直肠癌患者的未来研究奠定了基础。
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
- 本研究旨在探讨组织学上独特的活化癌症相关成纤维细胞（aCAFs）在结直肠腺癌中的临床意义及其与免疫反应和预后的关联。
- 核心机制
- aCAFs可能通过免疫抑制机制（如减少CD8+ T细胞浸润、增加TIDE评分）促进肿瘤进展，且与肌成纤维细胞样CAF（myCAF）分子特征相关。
- 主要证据
- 在两个独立队列（n=404和n=620）中，aCAF阳性与不良生存显著相关，且与CD8+ T细胞浸润减少、免疫治疗反应降低相关；单细胞数据验证ACTA2在基质细胞中高表达。
- 研究意义
- aCAFs可作为结直肠癌的预后生物标志物，并可能指导免疫治疗和靶向干预策略，但需进一步实验验证。
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。
临床病理特征与生存分析
评估aCAF状态与临床病理特征及生存结局的关联。
使用χ2检验和t检验分析aCAF与临床病理参数的关联；采用Kaplan-Meier方法和对数秩检验进行生存分析，并使用多因素Cox回归确定独立预后因素。
免疫细胞浸润分析
评估aCAF状态与免疫细胞浸润的关系。
在Eulji队列中使用CD8和CD4免疫组化染色计数T细胞密度；在TCGA队列中使用CIBERSORT估计免疫细胞比例，并分析免疫功能障碍指标（TIDE评分）。
转录组和通路分析
识别aCAF相关的差异表达基因和富集通路。
使用TCGA RNA-seq数据（620例，20,514个基因）进行差异表达分析（DEGs），并进行功能富集分析和基因集富集分析。
单细胞RNA-seq验证
验证ACTA2在结直肠癌肿瘤微环境中的细胞类型特异性表达。
从GEO获取单细胞RNA-seq数据集GSE200997，使用Seurat处理，进行细胞聚类和ACTA2表达分析。
机器学习生存预测模型
构建并验证基于aCAF状态的生存预测模型。
使用自适应弹性网络（AEN）和梯度提升机（GBM）算法，整合aCAF状态和临床病理参数，训练和验证生存预测模型，并比较纳入与不纳入aCAF模型的预测性能。
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 |
|---|---|---|---|
| 免疫组织化学 | 抗CD8抗体（克隆4B11） | Leica Biosystems | -- |
| 抗CD4抗体（克隆4B12） | Leica Biosystems | -- | |
| Bond Polymer Refine检测系统 | Leica Biosystems | -- | |
| 统计分析 | SPSS统计软件 | IBM | -- |
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 |
|---|---|
| aCAF组织学鉴定 | aCAF阳性判定标准：>10%基质细胞呈现活化形态；视野选择：肿瘤中心和浸润前沿各取10个高密度区域；观察者一致性评价。 阅读提示：详见Materials and Methods中的“Evaluation of cancer associated fibroblasts and immunohistochemistry” |
| 免疫组化染色 | CD8和CD4抗体克隆号（4B11和4B12）；检测系统（Bond Polymer Refine）；计数高倍视野的数目。 阅读提示：同上的“Evaluation of cancer associated fibroblasts and immunohistochemistry” |
| 生存分析 | 使用的队列（Eulji和TCGA）；生存指标定义（OS、DFS、DSS）；统计方法（Kaplan-Meier、Cox回归）及调整变量。 阅读提示：详见Materials and Methods中的“Statistical analysis”以及Results中的“Clinicopathological characteristics and survival outcomes” |
| 机器学习建模 | 使用的算法（AEN、GBM）；训练/验证集划分比例（70/30）；AEN的alpha值（0.5）；交叉验证折数（10折）。 阅读提示：详见Materials and Methods中的“Machine learning algorithms” |
| 单细胞RNA-seq分析 | 数据集GSE200997；Seurat版本（v4.0）；参数（min.cells=3，min.features=200）；归一化和降维方法。 阅读提示：详见Materials and Methods中的“Single-cell RNA-seq data processing and analysis” |