多模态人工智能与单细胞转录组学整合构建膀胱癌组织病理学预后模型，揭示化疗耐药中的RTN3-糖酵解轴

背景：膀胱癌是泌尿系统常见的恶性肿瘤，以吉西他滨为基础的化疗常因耐药而失败。肿瘤异质性，尤其是基因组水平的拷贝数变异（CNV）异质性，是驱动疾病进展和耐药的核心因素。然而，单细胞水平的CNV异质性与常规病理诊断所依赖的组织形态学特征之间的关系仍不清楚，限制了其在临床预后评估和精准治疗中的应用。方法：本研究整合六个公共单细胞RNA测序（scRNA-seq）数据集作为发现队列，系统分析膀胱癌的细胞景观。使用inferCNV算法在单细胞水平推断CNV并鉴定高CNV（HCNV）亚群。采用结合深度学习和图像分析的多模态人工智能（AI）策略，基于常规H&E染色病理切片构建预后模型，以HCNV活性作为病理特征筛选的生物学锚点。利用多组学数据筛选枢纽基因，并通过膀胱癌细胞系的体外和体内功能实验验证这些枢纽基因的功能和机制。结果：单细胞分析显示，HCNV细胞构成一个具有独特分子表型的恶性亚群，其特征是致癌通路（如TGF-β、JAK–STAT和PI3K）广泛激活、与肿瘤微环境（如癌相关成纤维细胞和M2巨噬细胞）活跃通讯以及患者预后不良。基于多模态AI的病理成像模型有效预测了患者生存。模型衍生的风险评分与转录组HCNV活性呈显著但适度的相关性。通过多算法特征选择，我们鉴定出RTN3是驱动HCNV表型的核心基因。我们的研究证实，RTN3不仅协调免疫抑制微环境，还直接介导对吉西他滨的耐药。机制上，RTN3激活JAK2/STAT3信号通路，该通路转录上调关键糖酵解酶（PKM2、GLUT1和LDHA），从而驱动糖酵解代谢重编程，最终赋予膀胱肿瘤吉西他滨耐药。结论：本研究在单细胞水平揭示了膀胱癌中由HCNV定义的恶性细胞亚型，并阐明了膀胱癌不良预后的分子和微环境基础。成功开发了具有临床转化潜力的多模态AI病理预测模型。此外，我们的发现确立了RTN3/JAK2/STAT3/糖酵解轴作为吉西他滨耐药的关键机制，突出RTN3作为克服膀胱癌化疗耐药的有前景的治疗靶点。