编辑推荐：
为分析浆液性卵巢癌（OC）患者对化疗药物的敏感性并探索新干预靶点，哈尔滨医科大学研究人员开展了巨噬细胞相关亚型的研究。他们识别出 M1 和 M2 巨噬细胞的特定标记及潜在治疗化合物，为 OC 个性化治疗提供了重要参考。
卵巢癌，这一严重威胁女性健康的 “杀手”，在全球范围内都有着较高的发病率和死亡率，其中浆液性卵巢癌更是导致患者死亡的常见类型。尽管医学在不断进步，卵巢癌的诊断和治疗取得了一些进展，但患者的预后情况仍然不容乐观，5 年生存率低于 50%，远低于乳腺癌。现有的临床指标，如肿瘤分期和分级，无法精准区分高风险患者，难以满足个性化治疗的需求。在这样的背景下，探索新的预后标记物和干预靶点，对提高卵巢癌预后预测的准确性、为临床决策提供科学依据显得尤为重要。
哈尔滨医科大学的研究人员针对这一难题开展了深入研究。他们通过综合单细胞 RNA 测序（scRNA-seq）和批量 RNA 测序（bulk RNA-seq）技术，对浆液性卵巢癌患者的巨噬细胞相关亚型进行了分类，并分析了患者对化疗药物的敏感性，探索潜在的新干预靶点。该研究成果发表在《Heliyon》杂志上，为卵巢癌的个性化治疗提供了重要的理论支持和实践指导。
研究人员在此次研究中，运用了多种关键技术方法。他们从哈尔滨医科大学附属第二医院获取患者的肿瘤和正常组织样本，为研究提供样本基础。从基因表达综合数据库（GEO）和以往文献下载相关的 bulk RNA-seq 和 scRNA-seq 基因表达谱数据。利用 R 语言相关的包，如 “affy”“Seurat”“WGCNA” 等，对数据进行处理、分析和构建加权基因共表达网络。还使用 CIBERSORT 算法对免疫细胞比例进行量化。
下面是对研究结果的详细介绍：
- 筛选巨噬细胞候选标记：研究人员获取了浆液性卵巢癌的 scRNA-seq 数据集 SOL2095 并进行质量控制，通过降维和聚类分析，识别出 7 种免疫细胞类型。经差异表达分析，发现巨噬细胞与其他免疫细胞相比有 1939 个差异表达基因（DEGs）。此外，还分析了转录因子活性和细胞间相互作用，发现肿瘤细胞与巨噬细胞间的相互作用在肿瘤微环境中较为突出。
- 巨噬细胞浸润情况：基于 CIBERSORT 算法对 bulk RNA-seq 数据集 GSE26712 中的 185 个样本进行反卷积分析，计算 22 种免疫细胞的相对丰度。结果显示，高 M1 巨噬细胞相对丰度的患者预后较好，而高 M2 巨噬细胞相对丰度的患者预后较差。
- 识别巨噬细胞亚型候选标记：对 GSE26712 数据集的 185 个肿瘤样本进行 WGCNA 分析，选择 β=10 构建无标度网络，得到 9 个模块。其中，绿色模块与 M1 巨噬细胞相对丰度相关性最高，黄色模块与 M2 巨噬细胞相对丰度相关性最高。通过分析差异表达基因，结合单细胞数据筛选，获得了 14 个 M1 和 17 个 M2 巨噬细胞候选标记基因。
- 构建多因素调控网络：利用从多个数据库获取的转录因子（TFs），基于 Targetscan 数据库构建 M1 和 M2 巨噬细胞候选标记基因的多因素调控网络。M1 巨噬细胞多因素调控网络包含 6 个候选标记、159 个 TFs 和 48 个微小 RNA（miRNAs）；M2 巨噬细胞多因素调控网络包含 13 个候选标记、191 个 TFs 和 182 个 miRNAs。
- 识别不同巨噬细胞亚型：根据 M1 和 M2 巨噬细胞的候选标记对 GSE26712 数据集中的患者进行聚类分析，结果显示当聚类数为 3 时，样本间差异明显。
- 筛选特异性标记：对 M1 和 M2 巨噬细胞亚型患者进行差异表达分析，筛选出差异表达基因。再用随机森林算法进一步筛选，最终确定了 15 个 M1 和 M2 巨噬细胞特异性标记。研究发现，部分标记如 MXRA8 和 USP34 在肿瘤组织和正常组织中的表达差异显著。
- 揭示标记与药物敏感性的关系：利用癌症药物敏感性基因组学数据库（GDSC）预测患者对常见化疗药物的敏感性，分析发现部分标记的表达水平与化疗药物敏感性呈负相关。构建单变量 Cox 比例风险模型，确定了一些标记对患者预后的影响。
- 体外实验验证：在多种卵巢癌细胞系和正常卵巢细胞系中验证 MXRA8 和 USP34 的差异表达，转染干扰 RNA 后发现其表达显著降低。通过设置药物浓度梯度，验证了 MXRA8 和 USP34 分别对达沙替尼和阿法替尼的敏感性。体内实验也进一步验证了这些标记在患者组织中的表达情况。
在研究结论和讨论部分，研究人员成功识别出浆液性卵巢癌患者 M1 和 M2 巨噬细胞的候选标记，并探索出 M1 和 M2 巨噬细胞亚型，确定了 15 个特异性标记。通过药物敏感性预测分析和体外实验，发现了潜在的治疗化合物达沙替尼和阿法替尼。这些发现有助于深入理解浆液性卵巢癌的潜在机制，为开发更有效的治疗方法提供了新的思路。然而，该研究也存在一定的局限性，如基于回顾性数据，缺乏前瞻性分析，且仅进行了体外实验验证，未来还需进一步开展体内实验。但总体而言，这项研究为卵巢癌的个性化治疗奠定了坚实的基础，对推动卵巢癌治疗领域的发展具有重要意义。
