单细胞转录组数据分析
刻画TNBC和正常组织的细胞异质性，比较MECs的基因表达差异。
从GEO获取GSE161529和GSE268662数据集，使用Seurat进行质量控制、聚类和细胞注释，鉴定7种细胞类型，比较TNBC与正常组的细胞比例和DEG。
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
通过单细胞和转录组测序解码三阴性乳腺癌中肌上皮细胞的肿瘤微环境，并基于关键肌上皮细胞基因建立预后模型
Decoding the Tumor Microenvironment of Myoepithelial Cells in Triple-Negative Breast Cancer Through Single-Cell and Transcriptomic Sequencing and Establishing a Prognostic Model Based on Key Myoepithelial Cell Genes.
实验完整度
高包含单细胞测序、CNV和拟时序分析、预后模型构建、药物敏感性分析、孟德尔随机化、IHC和细胞功能实验（CCK8、集落形成、Transwell）等多个独立证据层级，有明确功能验证和机制验证。
主要模型
MDA-MB-231细胞系 SUM159PT细胞系 TNBC患者组织样本 GSE161529和GSE268662单细胞数据集
重点核对
单细胞数据来源为GSE161529（69个样本）和GSE268662（9个样本），共15个TNBC样本和10个正常样本 细胞培养条件：MDA-MB-231和SUM159PT在含10% FBS、1%抗生素的DMEM中，37°C、5% CO2 siRNA敲低TPD52，序列为ACUUGGAAUCAAUUCUCUA，转染试剂Lipofectamine 3000，孵育48小时 CCK8实验：细胞以1×10^5接种6孔板，转染后48小时，1500细胞移至96孔板，培养0、24、48、72小时，CCK8孵育2小时，测450nm吸光度 Transwell实验：3×10^4细胞接种于200μL无血清DMEM上室，下室为含10% FBS DMEM，36小时后固定染色
摘要
背景：三阴性乳腺癌（TNBC）是一种侵袭性亚型，具有高度恶性、进展迅速，5年生存率约为77%。由于缺乏靶向治疗，治疗选择有限，凸显了对新型治疗策略的迫切需求。肿瘤微环境中的肌上皮细胞（MECs）可能显著影响TNBC的发生和发展。方法：本研究使用单细胞RNA测序比较正常组织与TNBC组织中MEC基因表达。与TNBC相关的MECs显示增殖和免疫相关基因（如FDCSP、KRT14和KRT17）表达增加，而炎症和细胞外基质相关基因（如CXCL8、SRGN和DCN）表达减少。拷贝数变异和拟时序分析揭示了MECs的基因组改变和表型动态。基于CoxBoost的预后模型在20个生存队列中得到开发和验证，整合了免疫谱、通路富集和药物敏感性分析。孟德尔随机化确定TPD52为TNBC风险相关基因。在TNBC细胞系中进行TPD52的siRNA敲低，以评估其对增殖和迁移的影响。结果：TNBC MECs在基因表达和基因组完整性方面表现出显著变化，影响免疫反应和肿瘤侵袭。预后模型有效预测了1年、3年和5年生存结果，将高风险患者富集于细胞周期和DNA复制通路，免疫检查点表达降低，化疗耐药。TPD52被确定为肿瘤促进基因，其敲低抑制了TNBC细胞的增殖和迁移。结论：本研究强调了MECs在TNBC进展中的作用，提供了用于个性化治疗的CoxBoost预后模型，并确定TPD52作为TNBC干预的潜在治疗靶点。
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
- TNBC中肌上皮细胞的基因表达和基因组改变如何影响肿瘤微环境和患者预后，以及关键基因TPD52在TNBC发生发展中的作用。
- 核心机制
- TNBC相关肌上皮细胞上调增殖和免疫相关基因，下调ECM和炎症相关基因，并发生基因组不稳定；TPD52通过促进细胞增殖和迁移驱动TNBC进展。
- 主要证据
- 单细胞测序、CNV和拟时序分析揭示MEC改变；CoxBoost模型在多个队列中验证预后价值；IHC显示TPD52在TNBC组织高表达；CCK8、集落形成和Transwell实验表明TPD52敲低抑制增殖和迁移。
- 研究意义
- 研究为TNBC提供预后分层工具，并指出TPD52作为潜在治疗靶点。
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。
CNV和拟时序分析
评估MECs的基因组不稳定性和细胞状态转变。
使用InferCNV计算CNV，以T/NK细胞为参考，经K-means聚类识别肿瘤细胞；使用Monocle进行拟时序轨迹分析，识别分化相关基因。
WGCNA共表达网络分析
识别MECs中与肿瘤相关的核心基因模块。
使用hdWGCNA构建无尺度网络，获得12个基因模块，进行GO富集分析，选择基因最多的模块进一步分析。
预后模型构建与验证
开发并验证基于MEC基因的预后风险模型。
使用多种算法（Lasso、弹性网络、岭回归、逐步Cox和CoxBoost）构建模型，基于平均AUC选择最佳模型，并在20个生存队列中验证。
免疫微环境和药物敏感性分析
比较高低风险组的免疫浸润、通路富集和化疗药物敏感性。
使用多种算法评估免疫细胞比例，比较免疫检查点基因表达，GSEA富集分析，并预测药物IC50。
孟德尔随机化分析
确定TPD52基因表达与乳腺癌风险的因果关系。
使用TwoSampleMR等工具，以SNP作为工具变量，IVW方法估计基因表达对预后的因果效应。
体外功能实验
验证TPD52对TNBC细胞增殖和迁移的影响。
通过IHC检测TPD52表达，在MDA-MB-231和SUM159PT中siRNA敲低TPD52，进行CCK8、集落形成和Transwell实验。
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 | HyClone | -- |
| 胎牛血清 | Lonsera | -- | |
| 抗生素-抗真菌溶液 | -- | -- | |
| Western blot | RIPA裂解液 | Beyotime | -- |
| TPD52抗体 | BIOSS | -- | |
| GAPDH抗体 | Proteintech | -- | |
| 细胞转染 | Lipofectamine 3000转染试剂 | Invitrogen | -- |
| 细胞增殖检测 | CCK8试剂盒 | -- | -- |
| Transwell迁移实验 | Transwell小室 | -- | -- |
| 结晶紫 | -- | -- |
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 |
|---|---|
| 单细胞RNA-seq数据处理 | 数据来源（GSE161529、GSE268662）、质量控制参数（min.cells、min.features、线粒体比例）、批次效应校正方法（Harmony） 阅读提示：Methods 2.1, 2.2 |
| CNV和拟时序分析 | 参考细胞类型（T/NK细胞）、K-means聚类个数、Monocle版本、DDRTree参数 阅读提示：Methods 2.3, 2.4 |
| hdWGCNA分析 | 软阈值（5）、无尺度拟合优度阈值（>0.8） 阅读提示：Methods 2.5 |
| 预后模型构建 | 训练集样本量（1068例）、模型算法（CoxBoost）、交叉验证参数、分组截断值（每组比例≥0.3） 阅读提示：Methods 2.6, 2.7 |
| 免疫微环境和药物敏感性分析 | 免疫浸润算法（TIMER等7种）、ICIs相关基因列表（79个）、GSEA基因集（KEGG）、药物敏感性算法（pRRophetic） 阅读提示：Methods 2.8, 2.9 |
| 孟德尔随机化 | SNP列表、IVW方法、MR数据库（Finngen_R10） 阅读提示：Methods 2.10, Figure 7 |
| 细胞培养与转染 | 细胞系（MDA-MB-231、SUM159PT）、培养基（DMEM+10% FBS+1%抗生素）、siRNA序列、转染试剂（Lipofectamine 3000）、转染时间（48h） 阅读提示：Methods 2.12, 2.14 |
| 细胞功能实验 | CCK8实验细胞密度（1×10^5）、时间点（0-72h）、集落形成细胞数（2000）、时间（12天）、Transwell细胞数（3×10^4）、孵育时间（36h） 阅读提示：Methods 2.15-2.17, Figure 8 |
| 免疫组织化学 | 组织来源（ShangHai Zhuoli Biotech）、抗体（TPD52, BIOSS） 阅读提示：Methods 2.11, Figure 8 |