SCMO:一种整合单细胞分辨率肿瘤微环境生态系统和多组学数据的深度学习模型,用于结直肠癌患者的生存预测

SCMO: a deep learning model integrating the single-cell resolution TME ecosystem and multi-omics for survival prediction in CRC patients.

作者信息Zihao He, Xuan Fan, Yanguo Li, Qihang Li, Dechao Bu, Aiqing Han, Jin-Cheng Guo, Jingjia Liu, Haoxun Mao, Xiaoyu Dai, Yi Zhao
PMID41715092
发布时间2026-02-19
DOI10.1186/s12967-025-07417-y

实验完整度

高

研究结合多队列scRNA-seq图谱、bulk RNA-seq反卷积、多组学建模、空间转录组分析、药物筛选及体外细胞实验(ROS、活力、凋亡、Western blot)等多个证据层级,并进行功能验证。

主要模型

TCGA-CRC队列(包含COAD和READ) CRC细胞系HT29、HCT116和SW480 患者肿瘤及配对癌旁组织样本

重点核对

EcoTyper反卷积算法提取的13个TME特征(12个细胞状态和1个多细胞生态系统E15) TCGA-CRC队列中474个具有完整临床、TME和多组学数据的样本 柴胡皂苷A处理浓度为20 μM,处理时间为24小时 TRAP1-IN-1作为阳性对照,浓度为40 μM 使用H2DCFDA探针检测ROS水平

摘要

背景:结直肠癌(CRC)仍然是全球癌症死亡的主要原因,强调了精确生存预测以指导临床决策的必要性。尽管组织水平的多组学被广泛用于生存预测,但其有限的分辨率无法捕捉肿瘤异质性。单细胞RNA测序(scRNA-seq)能够以细胞分辨率解析肿瘤微环境(TME),支持个性化预后评估。方法:我们收集了213个CRC scRNA-seq样本,并建立了包含339,060个细胞的CRC特异性TME图谱。以此图谱为参考,使用EcoTyper算法对TCGA-CRC队列的bulk RNA-seq数据进行反卷积,以重建TME特征。临床、基因组和转录组数据来自Xena平台;微生物数据来自BIC数据库。我们通过自归一化神经网络整合TME和多组学特征,构建了一个深度学习模型(单细胞分辨率TME生态系统与多组学数据[SCMO])用于生存预测。为了增强可解释性,我们利用Integrated Gradients算法和空间转录组数据来分析多组学和TME特征。我们以Integrated Gradients算法识别出的关键特征——肿瘤坏死因子受体相关蛋白1(TRAP1)作为潜在靶点,进行了抗癌药物筛选。结果:我们从CRC特异性图谱中鉴定出13个与生存相关的TME特征:12个细胞状态和一个多细胞生态系统。SCMO结合了TME和多组学特征,改善了生存预测,并优于现有方法,达到了0.762的一致性指数。SCMO在长期预测中表现出稳健的性能,在训练集中1年、3年和5年预测的曲线下面积(AUC)分别为0.752、0.772和0.869,相应的测试集AUC为0.639、0.756和0.772。SCMO模型中的TME特征揭示,生态系统密度随CRC恶性程度增加而增加。多组学特征包括TRAP1作为潜在药物靶点。药物筛选鉴定出柴胡皂苷A为一种新型TRAP1抑制剂,并在体外验证了其抗癌活性。我们开发了SCMO-Lite,一个包含12个高归因权重多组学特征的简化模型,该模型展示了稳健的风险分层。结论:SCMO将分析精度与生物学可解释性相结合,为肿瘤学生存预测提供了新的见解。

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
如何整合单细胞分辨率的肿瘤微环境特征和多组学数据,以提高结直肠癌患者的生存预测准确性,并识别潜在的治疗靶点?
核心机制
整合TME特征(尤其是E15生态系统,由巨噬细胞和成纤维细胞等组成)和多组学特征(包括RNA、DNA和微生物数据),通过自归一化神经网络模型SCMO实现生存预测。其中E15通过COLLAGEN信号通路促进肿瘤进展,TRAP1抑制通过升高ROS水平、诱导凋亡和降解TRAP1客户蛋白(NDUFS1、Glutaminase-1、Sirt3)来发挥抗癌作用。
主要证据
SCMO模型在测试集上对1、3、5年生存预测的AUC分别为0.639、0.756和0.772,C-index为0.762。空间转录组分析显示E15在G3期肿瘤中丰度和聚集度更高。体外实验证明柴胡皂苷A在HT29、HCT116和SW480细胞中显著增加ROS产生、降低细胞活力、诱导凋亡,并导致TRAP1客户蛋白降解。
研究意义
SCMO模型为多组学生存预测提供了新的框架,并有望通过识别高风险患者亚群(如CMS4中的高风险亚群)来指导个性化治疗。TRAP1作为潜在治疗靶点,为开发针对高风险结直肠癌患者的治疗策略提供了新方向。

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。

1

构建CRC特异性TME单细胞图谱

收集CRC样本的scRNA-seq数据,建立细胞类型和状态图谱,为后续TME特征识别提供参考。

收集213个治疗初治CRC样本的scRNA-seq数据,经过质量控制(基因数>500、UMI数>500、线粒体基因比例<15%),使用scDblFinder去除双细胞,Harmony校正批次效应,基于标记基因注释细胞类型,得到339,060个细胞和八种主要细胞类型。

2

识别与生存相关的TME特征

使用EcoTyper算法从图谱中识别细胞状态和生态系统,并筛选与总生存显著相关的特征。

使用EcoTyper分析图谱,得到195个细胞状态和17个生态系统。在TCGA-CRC队列中通过反卷积恢复这些特征,并进行单变量Cox回归分析,识别出13个与总生存显著相关的特征(p<0.05),包括12个细胞状态和1个生态系统E15。

3

构建SCMO深度学习模型

整合TME特征和多组学数据(RNA、DNA、微生物),构建生存预测模型。

使用自归一化神经网络(SNN),输入层采用早期融合策略,将TME特征和多组学特征整合为474×5,023维矩阵,两个隐藏层使用SELU激活函数,最终输出层生成风险评分。训练集占80%,测试集占20%,通过五折交叉验证进行超参数优化,以C-index作为主要评价指标。最佳架构为512、512、1024、256个神经元,dropout率为0.15。

4

评估SCMO模型性能

评估SCMO模型在不同时间点的预测准确性,并与其他方法及单组学模型进行比较。

在训练集和测试集上计算C-index和1、3、5年时间依赖的AUC。与RSF、SVM、GBM、CoxBoost、DeepHit和DeepOmix等方法比较,并评估TME特征加入多组学模型的增益。

5

模型解释和TME特征功能分析

解释模型的重要特征,并探究TME特征(特别是E15)的生物学功能和空间分布。

使用Integrated Gradients算法计算每个特征的归因值;对生存相关细胞状态进行GO富集分析;使用CellChat分析E15中细胞间通信;利用空间转录组数据(10X Visium和Stereo-seq)通过RCTD和EcoTyper重建细胞状态和生态系统,分析其空间分布和聚集。

6

风险分层和临床相关性分析

评估SCMO风险评分对患者的分层效果及其与临床特征和CMS亚型的关系。

根据中位风险评分将患者分为高、低风险组,绘制Kaplan-Meier曲线,比较组间临床特征(年龄、性别、TNM分期、CMS亚型),并分析免疫检查点表达和药物敏感性差异。

7

药物筛选与靶点验证

识别可能逆转高风险患者异常基因表达的天然化合物,并通过分子对接和体外实验验证其抗癌活性。

通过limma分析高风险组肿瘤与正常组织的差异表达基因,使用CMap算法从HERB数据库筛选化合物,对TRAP1进行分子对接,并在HT29、HCT116和SW480细胞中评估柴胡皂苷A对ROS产生、细胞活力、凋亡和TRAP1客户蛋白降解的影响。

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
Seurat----
scDblFinder----
Harmony----
EcoTyper----
CIBERSORTx----
Bisque----
MuSiC----
McCoy's 5A培养基Pricella Life Science & Technology Co., Ltd.--
DMEM培养基Pricella Life Science & Technology Co., Ltd.--
胎牛血清Pricella Life Science & Technology Co., Ltd.--
青霉素Pricella Life Science & Technology Co., Ltd.--
链霉素Pricella Life Science & Technology Co., Ltd.--
RIPA裂解液TOPSCIENCE--
NDUFS1抗体ABclonalA21192
TRAP1一抗ABclonalA25919
Sirt3抗体HUABIOHA722251
谷氨酰胺酶抗体HUABIOHA722251
α平滑肌肌动蛋白抗体HUABIOHA722251
Bis-Tris预制胶Life-ilab--
增强化学发光试剂----
Azure Biosystems C280成像系统Azure Biosystems--
2',7'-二氯二氢荧光素二乙酸酯Beyotime--
细胞计数试剂盒-8TOPSCIENCE--
Annexin V-异硫氰酸荧光素Elabscience--
碘化丙啶Elabscience--
BD FACS Canto II流式细胞仪BD--
TRAP1-IN-1----
柴胡皂苷A----
兔抗TRAP1一抗ABclonalA25919
HRP标记的山羊抗兔二抗ABclonalRK50015
AutoDock----
PyMOL----

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
单细胞图谱构建
样本数量(213)、质控指标(基因数>500、UMI数>500、线粒体基因比例<15%)、双细胞去除方法(scDblFinder)、批次校正方法(Harmony)
阅读提示:Materials and methods: CRC scRNA-seq data collection and processing
TME特征识别
EcoTyper分析参数、单变量Cox回归的阈值(p<0.05)
阅读提示:Materials and methods: Discovery of CRC-specific TME features via the EcoTyper algorithm; Recovery of the CRC-specific TME from bulk RNA-seq data
模型构建与评估
样本数(474)、训练/测试比例(80/20)、SNN架构(512-512-1024-256)、dropout率(0.15)、交叉验证折数(5)
阅读提示:Materials and methods: Development and evaluation of the SCMO survival prediction model
空间转录组分析
样本数(12,7 G1,5 G3)、参考图谱(CRC特异性TME图谱)、反卷积方法(RCTD)、空间聚类统计(Moran's I)
阅读提示:Materials and methods: Exploration of the biological function and spatial distribution patterns of CRC-specific TME features
体外药物实验
细胞系(HT29、HCT116、SW480)、柴胡皂苷A浓度(20 μM)、TRAP1-IN-1浓度(40 μM)、处理时间(24小时,Western blot为12小时)、ROS检测使用H2DCFDA(10 μM)和流式细胞术
阅读提示:Materials and methods: Cell culture; Measurement of reactive oxygen species (ROS) generation; Cell viability assay; Apoptotic assay; Western blot analysis