T细胞有丝分裂灾难相关基因揭示食管鳞癌异质性：单细胞与转录组整合分析及预后模型构建

本研究针对食管鳞状细胞癌(ESCC)预后评估难题，创新性地聚焦T细胞有丝分裂灾难(MC)相关基因(MCAGs)，通过整合单细胞RNA测序(scRNA-seq)和批量转录组分析，构建了基于ARAP2、SLF2和AKAP13的预后风险模型。研究揭示了MCAGs通过调控肿瘤免疫微环境(TIME)影响ESCC进展的机制，并通过功能实验证实SLF2基因促进肿瘤迁移侵袭的关键作用，为ESCC精准治疗提供了新靶点。

　　

食管癌是全球范围内高发的恶性肿瘤，其中食管鳞状细胞癌(ESCC)在亚洲地区尤为常见。尽管近年来手术、放化疗和免疫治疗等手段不断进步，但ESCC患者的5年生存率仍徘徊在15-25%之间，这主要归因于肿瘤早期转移和治疗抵抗。在探索ESCC发病机制的过程中，有丝分裂灾难(MC)作为一种内源性肿瘤细胞死亡机制逐渐受到关注。MC是细胞对有丝分裂异常作出的延迟性死亡反应，被认为是防止恶性转化的关键保护机制。然而，MC相关基因(MCAGs)在ESCC中的具体作用，特别是在肿瘤微环境(TME)关键组分T细胞中的调控机制，此前尚未得到系统研究。

为填补这一空白，Shuang Li等研究团队在《Human Genomics》发表了开创性研究。研究人员采用多组学整合分析策略，首先通过单细胞RNA测序(scRNA-seq)解析ESCC肿瘤组织的细胞异质性，利用高维加权基因共表达网络分析(hdWGCNA)鉴定T细胞特异性基因模块。随后结合批量转录组数据和机器学习算法，构建了基于MCAGs的预后风险模型，并通过免疫浸润分析、药物敏感性预测和分子对接揭示了治疗靶点。最后通过体外实验验证了关键基因SLF2的促癌功能。

关键技术方法包括：从GEO数据库获取10例ESCC样本的scRNA-seq数据(GSE196756/GSE145370)和179例批量转录组数据(GSE53625)；使用Seurat进行单细胞数据分析；通过hdWGCNA构建基因共表达网络；采用LASSO回归、支持向量机(SVM)和随机森林(RF)三种机器学习算法筛选预后基因；利用CIBERSORT和TIDE算法评估免疫微环境特征；通过伤口愈合、CCK-8、Transwell和克隆形成实验验证基因功能。

研究结果部分的重要发现包括：

单细胞分析揭示T细胞主导ESCC微环境：分析31,499个细胞鉴定出7种主要细胞类型，其中T细胞占比最高(53.69%)且MC评分显著。通过hdWGCNA鉴定出5个T细胞相关基因模块(棕色、红色、绿色、粉色和蓝绿色)，与MC过程密切关联。

T细胞发育轨迹呈现动态特征：伪时序分析显示双阳性T细胞(DP T cells)主要分布于发育中后期，细胞通讯分析揭示T细胞与单核/巨噬细胞间存在最强相互作用，提示其在肿瘤免疫调控中的核心地位。

三基因预后模型展现优越预测性能：通过机器学习筛选出ARAP2(保护因子)、SLF2(风险因子)和AKAP13(风险因子)构建的风险评分模型，在GEO-ESCC和TCGA-ESCC队列中3年生存预测AUC分别达0.724和0.746。高风险组富集免疫抑制性Tregs和M2型巨噬细胞，且对PARP抑制剂Talazoparib更敏感。

分子机制实验验证SLF2促癌功能：qRT-PCR和Western blot证实SLF2在ESCC细胞系(Kyse-30/TE-1)中显著高表达。基因敲除实验显示SLF2缺失可抑制细胞迁移(伤口愈合实验)、增殖(CCK-8/克隆形成)和侵袭(Transwell)能力。

这项研究的创新价值体现在三个方面：理论层面首次系统阐明T细胞MCAGs驱动ESCC异质性的分子机制，完善了对肿瘤微环境调控网络的认知；方法学上开创了整合单细胞转录组与机器学习算法的MC相关研究范式；临床应用方面提供的三基因风险模型和SLF2靶点为ESCC精准诊疗提供了新工具。特别是分子对接显示PARP抑制剂与模型蛋白的良好结合特性，为联合治疗方案设计提供了理论依据。

研究也存在若干局限：AKAP13在细胞系与组织中的表达差异需进一步验证；TCGA队列样本量限制长期预后评估；SLF2调控MC的具体通路尚未完全解析。这些问题的解决将有助于推动MC靶向治疗从实验室向临床转化。总体而言，该研究为理解ESCC发生发展和开发新型治疗策略提供了重要线索。