天空一声巨响，生信好伙伴小侠惊艳亮相！说句题外话，小伙伴们最近有没有好好学习，小侠我今天可是带足了干货来的，千万不要错过小侠今天带来的这篇生信热点SCI，包括了现火爆的不得了的机器学习和经典的多组学分析策略，看到这小伙伴们都等不及了吧，这么好复现的一篇文章，还等什么呢，咱们这就进入正题！
研究团队以
膀胱癌（BLCA）和癌症相关成纤维细胞（CAFs）作为研究对象，整合了大量的
组学数据
，对BLCA患者的
CAFs亚型
进行了全面分析，进而构建CAF相关风险评分（CRRS），为BLCA患者的预后和免疫治疗提供新的见解。芜湖，文章亮点就先是一个
数据量大
；接着以严谨的
算法分析
建立了
CRRS和NOMOGRAM模型
；最后引入
大量的
外部数据集进行验证
。系统完整，环环相扣，真是不能错过。
Ps:文章原文信息已放至文末
（
ps：
对预后模型感兴趣但又不知道如何切入的宝子们，小侠在这恭候各位！好点子一出，千万别犹豫，趁热打铁方能事半功倍！感兴趣的话快来扫码联系吧！）
定制生信分析
云服务器租赁
加微信
备注99
领取使用
l
题目：
基于癌症相关成纤维细胞亚型的特征可以评估膀胱癌的免疫治疗反应和预后
l
发表时间：202
3
年
9
月
膀胱癌
（BLCA）是泌尿系统最常见的恶性肿瘤之一，对人类健康的威胁日益严重。尽管化疗和靶向治疗取得了进展，但转移性BLCA的预后仍然很差。因此，开发新的有效工具来预测BLCA患者的预后和治疗反应尤为重要。肿瘤微环境（TME）近年来受到广泛关注。癌症相关成纤维细胞（CAFs）作为TME的重要组成部分，可以分泌多种细胞因子和细胞外基质（ECM）蛋白，促进肿瘤的发展。先前的研究报道了高水平的CAF与肿瘤患者预后不良之间的显著关联，但其作用机制尚不明确。单细胞RNA测序（scRNA-seq）是一项强有力的技术，用于揭示肿瘤异质性和TME状态。在本研究中，作者整合scRNA-seq数据，对BLCA患者的CAFs亚型进行了全面分析，进而构建CAF相关风险评分（CRRS），为BLCA患者的预后和免疫治疗提供新的见解。
该研究团队先是收集了
BLCA患者及其对照
的
scRNA-seq数据集
。
接着采用
单因素Cox回归分析和LASSO算法
筛选与CAF相关的预后基因，最后综合选择8个CAF相关标志物作为BLCA患者的最佳预后标志并
计算CAF相关风险评分（CRRS）
。构建
NOMOGRAM模型
并引入
外部队列
进行验证。随后作者评估了CRRS与临床病理特征和免疫细胞的
相关性
及在高低CRRS组中进行
差异表达分析和功能富集分析
。最后引入
外部队列
进一步验证了CAFs相关风险评分在预测预后中的作用。
作者收集了BLCA患者及其对照的
scRNA-seq数据集
。根据特定的细胞标记因子，上述细胞簇被划分为五种主要的细胞类型并计算了其得分和主要差异表达基因（图1A-C）。EMT评分和上皮评分结果表明，EMT评分从上皮和epiEMT到纤维EMT和成纤维细胞逐渐升高（图1D-E）。2362个成纤维细胞被分为三个不同的亚群ECM-CAF、fibroEMT和myofi-broblast（图1F）。细胞轨迹分析表明epiEMT细胞数量减少，而ECM-CAF细胞数量增加（图1G）。GSEA富集表明与细胞外基质相关的通路在所有三种CAF亚型中都富集（图1H）；
各CAF亚型差异表达前15位的基因热图如图1I所示。
采用
单因素Cox回归分析
和
LASSO算法
筛选与CAF相关的
预后基因
，最后确认了
18个
候选标记（图2A）。随后作者基于18个候选标记构建了102714个签名，进行多变量Cox回归并绘制随时间变化的ROC曲线，并引入外部队列对每个特征进行检验。最后，综合
选择8个CAF相关标志物作为BLCA患者的最佳预后标志
（图2B）。根据8种标志物的表达水平及多变量Cox回归系数计算CAF相关风险评分（CRRS）。结果表明，高CRRS患者的预后明显差于低CRRS患者（图2C）。
与其他临床病理参数相比，ROC曲线显示CRRS具有更强的预测能力
（图2D-H）。
作者根据
TCGA队列
中CRRS、年龄和病理分期的多变量Cox回归结果构建了
NOMOGRAM模型
（图3A）。结果表明NOMOGRAM模型通过校准曲线对BLCA患者的OS有较高的准确度（图3B）。TCGA-BLCA队列（图3C）和6个外部验证队列（图3D）的单因素和多因素Cox回归表明，CRRS可以作为BLCA患者的独立预后因素。此外，
决策曲线分析（DCA）
表明，NOMOGRAM显著优于单个独立的预测参数（图3E）。
总之，NOMOGRAM对BLCA患者具有潜在的预后预测价值。
随后作者评估了CRRS与临床病理特征的相关性（图4）。在TCGA队列中，年龄大于60和TNM晚期的BLCA患者的风险评分更高。CRRS调控基因在高CRRS组和低CRRS组中存在差异表达。在
高CRRS组中
，p-EMT、DNA复制和TGF-b信号通路显著富集；而在
低CRRS组中
，分化通路FGFR3共表达基因富集。靶向上述通路可能使高CRRS组的患者受益。作者进一步探讨了CRRS与BLCA中7个经典亚型的相关性。结果表明低CRRS的BLCA患者更可能为腔型，高CRRS组为基底型。
与BLCA相关的23个转录因子的调控活性存在显著差异。与肿瘤促进相关的转录因子在高CRRS组中高于低CRRS组。
接着作者研究了EMT与CRRS的相关性。结果显示，
肌肉浸润性膀胱癌（MIBC）
中
CRRS
水平高于非肌肉浸润性膀胱癌（NMIBC），并且高CRRS组中MIBC的比例高于低CRRS组（图5A）；同样的高CRRS组的EMT评分显著增加（图5B）。CRRS也与p-EMT评分呈正相关（图5C）。此外，生存分析还显示，在UROMOL2016队列中，高CRRS患者的无进展生存期比低CRRS患者短（图5D）。
GSEA富集分析发现EMT信号通路在高CRRS组显著激活
（图5E-F）。
TME影响肿瘤的进展和免疫治疗的效果。因此作者首先研究了
CRRS与免疫细胞浸润的相关性
。结果显示，在高CRRS组中，几种抗癌肿瘤浸润免疫细胞（TIICs）表达显著下调（图6AC）。此外，作者发现在TCGA队列中，CRRS与TIDE评分、T细胞排斥和功能障碍评分呈正相关（图6D）。ROC曲线显示CRRS对ICB完全反应具有较强的预测能力（图6E-F）。
黑色素瘤免疫治疗队列GSE91061的结果也显示高CRRS组免疫治疗的缓解率明显低于低CRRS组
（图6G）。
在该研究中，研究团队通过3种不同的方法相交得到642个共同的DEG（图7A），在火山图中筛选了最显著的DEG（图7B）。基于KEGG和GO数据库的富集结果表明，上调的DEG在
ECM受体相互作用、局灶黏附、含胶原的细胞外基质和间充质上皮细胞信号传导
等生物学途径中富集（图7C-D）。GSEA分析与KEGG和GO富集结果一致（图7E-F）。高CRRS组RB1和APOB的突变率显著升高（图7G）。此外，在
高
CRRS
组中
检测到GNA13、TTYH1、KRAS、CDKN2A和NFE2L2等癌驱动基因，而在低CRRS组中未检测到这些基因（图7H-I）。
引入
外部队列
进一步验证了CAFs相关风险评分在预测预后中的作用。CRRS评分高的患者总生存期短于CRRS评分低的患者（图8A-B）。
单因素和多因素cox回归分析
也发现CRRS是独立的预后因素（图8C）。CRRS预测1年、3年和4年OS的ROC曲线AUC分别为0.846、0.71和0.788（图8D）。该团队选择EMP1、P4HB和EGFL6进行进一步的实验验证。
