IF33.9!郑州大学团队多组学+机器学习登顶《Mol Cancer》,揭示胶质母细胞瘤异质性及潜在治疗靶点!

图3.整合转录组与蛋白质组数据的功能富集分析

通过多组学层层筛选，研究团队锁定PDIA4、EIF3I和RFT1三个在高风险组中异常活跃的基因。体外实验证实，沉默这三个基因能显著抑制胶质母细胞瘤细胞的增殖、迁移和侵袭能力。

体内动物实验进一步验证，敲除这三个基因后，小鼠脑内肿瘤生长明显减缓，生存期显著延长。单细胞测序显示这三个靶点主要在肿瘤细胞中高表达，为未来开发精准靶向药物提供了重要依据【图4】。

图4.靶标生物功能的实验验证

通过对26例患者的单细胞转录组数据进行聚类分析，研究识别出23种细胞亚群。结果显示，低风险组患者中少突胶质细胞样细胞和TAM-MG（微胶质样巨噬细胞） 显著富集，提示这些细胞可能与较好的预后相关。

而高风险组则未发现任何非恶性细胞亚群的显著富集，反而在Mast细胞、B细胞、Treg细胞等免疫抑制相关细胞中表现出相对富集趋势，进一步印证了其免疫抑制微环境特征【图5】。

图5.基于多组学融合模型风险分组的单细胞转录组分析

通过Scissor算法整合单细胞与生存数据，研究发现与不良预后相关的细胞（Scissor+）主要为AC样、MES样、G2M样恶性细胞；而与良好预后相关的细胞（Scissor-）则多为DC和T细胞。

进一步分析三个候选靶点（PDIA4、EIF3I、RFT1）的表达模式，发现它们主要在肿瘤细胞和血管相关细胞中高表达，而在免疫或基质细胞中几乎不表达，表明其具有良好的治疗靶向性【图6】。

图6.单细胞转录组水平的预后与靶标分析

本研究首次整合基因组、转录组、蛋白质组、影像组与病理组五种数据构建胶质母细胞瘤风险分层模型，精准揭示高危组呈现增殖信号活跃与免疫抑制微环境特征，并锁定PDIA4、EIF3I、RFT1三大治疗靶点，为精准诊疗提供了新方向。