单细胞RNA测序分析揭示肝细胞癌中潜在的关键预后标志物

Single-cell RNA sequencing analysis reveals potential key prognostic markers in hepatocellular carcinoma.

作者信息Heteng Cui, Wenyuan Yang
PMID39633216
发布时间2024-12
DOI10.1007/s12672-024-01646-1

实验完整度

包含scRNA-seq数据分析、LASSO-Cox风险模型、细胞系RT-qPCR和western blot验证,但缺乏体内实验和临床样本验证。

主要模型

HCC细胞系(HuH7、HCCLM9、HCCLM3) 正常肝细胞系THLE-3 GSE149614单细胞数据集(10例HCC患者样本)

重点核对

单细胞数据来源:GSE149614(GEO数据库) 细胞系:THLE-3, HuH7, HCCLM9, HCCLM3 RT-qPCR和western blot验证基因表达 LASSO-Cox回归模型筛选预后基因 生存分析:Kaplan-Meier曲线和ROC曲线

摘要

背景:肝细胞癌(HCC)是全球第六大常见癌症,5年生存率低。在本研究中,我们旨在通过单细胞RNA测序(scRNA-seq)分析能够预测HCC患者预后的相关遗传特征。方法:从基因表达综合数据库(GEO)中分析HCC的单细胞RNA-seq数据。使用Seurat包进行质量控制以去除低质量细胞。标准化后,我们检测了单细胞中的高变基因。然后,利用高变基因进行细胞聚类和细胞类型注释。随后,通过GO和KEGG进行功能富集分析,并进行细胞间通讯分析和轨迹分析。使用LASSO-Cox回归分析进行生存分析和对高风险和低风险组的ROC评估。验证筛选基因在HCC中的表达和生存预后。通过RT-qPCR和western blot在正常肝细胞系THLE-3和HCC细胞系(HuH7、HCCLM9和HCCLM13)中分析基因的表达水平。结果:在HCC样本中共鉴定出2208个上调基因和1447个下调基因。这些差异表达基因(DEGs)富集在多个细胞因子相关通路和MIF-CD74/CXCR4信号通路中。通过整合大量RNA测序数据,我们确定了566个与HCC细胞相关的预后基因。使用LASSO-COX风险因素模型筛选出11个基因。基于这些基因将患者分为高风险和低风险组,可以有效预测其生存期和ROC曲线。进一步发现5个基因与HCC的不良生存预后相关,并且在HCC细胞系中的表达显著高于正常肝细胞系。结论:本研究揭示了HCC患者中潜在的预后标志基因,为预测患者生存率提供了见解。

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
哪些基因特征可以预测肝细胞癌(HCC)患者的预后?
核心机制
MIF-CD74/CXCR4信号通路可能在HCC中发挥重要作用,且BSG、CDCA8、IGSF3、PBK和PIGZ的高表达与HCC患者不良生存相关。
主要证据
基于GSE149614单细胞数据鉴定DEGs,结合TCGA-LIHC数据取交集,通过LASSO-Cox回归构建11基因风险模型,并在HCC细胞系中验证5个基因(BSG, CDCA8, IGSF3, PBK, PIGZ)的mRNA和蛋白水平高表达。
研究意义
研究揭示了HCC患者中潜在的预后标志基因,为预测患者生存率提供了见解。

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。

1

单细胞数据获取与质量控制

获取HCC单细胞转录组数据并进行质量过滤,以确保后续分析的可靠性。

从GEO数据库下载GSE149614数据集,使用Seurat包进行质量控制,去除低质量细胞。

2

细胞聚类与注释

识别HCC组织中的不同细胞类型。

利用高变基因进行UMAP聚类分析,并使用SingleR包进行细胞类型注释,识别出NK细胞、髓系细胞、内皮细胞、成纤维细胞、B细胞和肝细胞等6种细胞类型。

3

差异表达基因鉴定与功能富集

探索HCC中差异表达基因及其涉及的生物学过程和通路。

使用Seurat包的FindAllMarkers函数鉴定DEGs(|log2FC|>1, P<0.05),并进行GO和KEGG富集分析,发现细胞因子相关通路和MIF-CD74/CXCR4信号通路显著富集。

4

伪时间分析

推断HCC细胞的发育轨迹和分化状态。

使用monocle包对HCC细胞进行伪时间分析,发现细胞存在三种分化状态,并识别与分化相关的基因。

5

细胞间通讯分析

分析不同细胞类型之间的配体-受体相互作用网络。

使用CellChat软件包基于配体-受体数据库构建细胞通讯网络,并发现MIF-CD74/CXCR4信号通路信号强度最高。

6

预后基因筛选与风险模型构建

筛选与HCC预后相关的基因并构建风险预测模型。

利用TCGA-LIHC数据与单细胞DEGs取交集获得566个基因,通过LASSO-Cox回归分析筛选出11个预后基因(MARCO, UPK1A, PIGZ, CDCA8, IGSF3, PBK, GNG4, BSG, TFDP3, TXNRD1, MLLT11),并构建风险评分公式。

7

预后模型评估

评估高风险和低风险组的生存差异和模型预测性能。

基于风险评分将患者分为高风险和低风险组,使用Kaplan-Meier生存曲线和ROC曲线评估模型预测能力。

8

基因表达验证

验证筛选基因在HCC细胞系中的表达水平。

通过RT-qPCR和western blot检测正常肝细胞系THLE-3和HCC细胞系(HuH7、HCCLM9、HCCLM3)中BSG、CDCA8、IGSF3、PBK和PIGZ的表达,发现这些基因在HCC细胞系中显著高表达。

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
BEGM培养基Lonza--
DMEM培养基Procell--
胎牛血清ExCell Bio--
青霉素-链霉素溶液Biosharp--
TRIzol试剂Invitrogen--
RevertAid试剂盒Takara--
SYBR-Green PCR预混液试剂盒Vazyme--
抗BSG抗体Cell Signaling Technology13,287
抗PBK抗体Cell Signaling Technology4942
抗PIGZ抗体Proteintech17,384-1-AP
抗CDCA8抗体Proteintech12,465-1-AP
抗GAPDH抗体Proteintech10,494-1-AP
抗IGSF3抗体Abcamab97704

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
单细胞数据预处理
数据集GSE149614;质量控制参数(未明确说明)
阅读提示:材料与方法-数据来源、数据聚类和细胞注释
细胞培养
细胞系THLE-3、HuH7、HCCLM9、HCCLM3;培养基BEGM和DMEM;添加10%胎牛血清和1%青霉素-链霉素;37°C,5% CO2
阅读提示:材料与方法-细胞培养
RT-qPCR
RNA提取使用TRIzol;cDNA合成使用RevertAid试剂盒;PCR使用SYBR-Green;2-ΔΔCt方法
阅读提示:材料与方法-逆转录定量PCR (RT-qPCR)
Western blot
蛋白提取使用RIPA裂解液;SDS-PAGE分离;PVDF膜;5%脱脂牛奶封闭;抗体信息(BSG 1:1000, PBK 1:1000, PIGZ 1:1000, CDCA8 1:500, GAPDH 1:5000, IGSF3 1:1000);ECL显色
阅读提示:材料与方法-Western blot
生存分析
风险评分公式;中位风险评分作为cut-off;Kaplan-Meier曲线和log-rank检验;ROC曲线(1,3,5年)
阅读提示:结果-预测和验证HCC细胞中的预后基因特征