1. 领域背景与文献引入
文献英文标题：Exploring the cellular and molecular differences between ovarian clear cell carcinoma and high-grade serous carcinoma using single-cell RNA sequencing and GEO gene expression signatures；发表期刊：Cell & Bioscience；影响因子：未公开；研究领域：上皮性卵巢癌分子分型与肿瘤异质性研究
上皮性卵巢癌是全球女性第七大常见恶性肿瘤，也是致死率最高的妇科恶性肿瘤。其中高级别浆液性卵巢癌（HGSC）是最常见亚型，占所有病例的60%；卵巢透明细胞癌（OCCC）是第二常见亚型，占5-11%。领域共识：OCCC患者因对铂类化疗耐药，预后显著差于HGSC患者，成为临床治疗的难点。随着单细胞RNA测序（scRNA-seq）技术的发展，肿瘤异质性研究进入细胞水平解析的新阶段，当前领域热点聚焦于不同上皮性卵巢癌亚型的细胞组成、分子特征、化疗耐药机制及潜在治疗靶点的挖掘。然而，目前针对OCCC与HGSC的细胞异质性差异尚未得到全面解析，OCCC化疗耐药的具体细胞与分子机制仍不明确，缺乏特异性的亚型分型生物标志物及针对性治疗靶点，这也是制约OCCC临床治疗效果提升的核心问题。在此背景下，本研究旨在通过scRNA-seq结合GEO数据库的bulk RNA-seq数据，系统解析OCCC与HGSC的细胞和分子差异，阐明OCCC化疗耐药的潜在机制，筛选特异性生物标志物及潜在治疗靶点，为改善OCCC患者预后提供理论依据。
2. 文献综述解析
本文献综述部分从上皮性卵巢癌亚型的临床特征、分子特征及现有研究技术进展三个维度，系统梳理了领域内研究现状，并明确了OCCC研究的空白与不足。
现有研究已明确HGSC与OCCC在临床病理特征上的显著差异，HGSC常见TP53和WT-1基因突变，多数表达雌激素受体（ER），而OCCC以HNF1B过表达为特征，ER和孕激素受体（PR）多为阴性。在技术应用方面，scRNA-seq技术已被广泛应用于HGSC的肿瘤异质性、肿瘤微环境及化疗耐药机制研究，为HGSC的精准治疗提供了新的思路，但针对OCCC的scRNA-seq研究仍处于空白状态，缺乏两种亚型在细胞水平的全面对比分析。现有研究的局限性在于，尚未从细胞亚群层面解析OCCC化疗耐药的具体机制，且缺乏能有效区分两种亚型的特异性生物标志物，导致OCCC的临床分型与治疗靶点选择仍依赖传统病理特征，难以满足精准医疗的需求。
本研究的创新价值在于，首次利用scRNA-seq技术对OCCC与HGSC的原发肿瘤组织进行单细胞转录组分析，结合bulk RNA-seq数据的验证，全面揭示了两种亚型的细胞异质性差异，阐明了OCCC化疗耐药的细胞周期机制，鉴定了新的亚型分型生物标志物，并发现了代谢通路作为OCCC潜在治疗靶点的价值，填补了OCCC单细胞水平研究的空白，为领域内OCCC的研究提供了新的方向。
3. 研究思路总结与详细解析
本研究以解析OCCC与HGSC的细胞和分子差异、阐明OCCC化疗耐药机制、筛选特异性生物标志物及治疗靶点为核心目标，采用“样本收集-单细胞转录组分析-细胞亚群鉴定-差异标志物验证-体外功能实验-免疫微环境分析”的完整技术路线，形成了从发现问题到验证结论的研究闭环。
3.1 样本收集与单细胞RNA测序实验
本环节的核心目标是获取OCCC与HGSC的单细胞转录组数据，为后续细胞亚群分析提供基础。研究收集了5例OCCC患者和5例HGSC患者的手术切除肿瘤组织，采用胶原酶IV、透明质酸酶和DNase I联合消化的方法制备单细胞悬液，去除死细胞和红细胞后，利用10×Genomics的Chromium Next GEM Single Cell 3’ GEM Library & Gel Bead Kit v3.1构建文库，通过Illumina NovaSeq 6000平台进行测序。经过数据过滤和质量控制，最终获得101672个高质量细胞，每个细胞平均检测到2000个基因，后续通过Seurat软件进行细胞聚类分析，将细胞分为上皮细胞、免疫细胞和基质细胞三大类。
实验所用关键产品：10×Genomics的Chromium Next GEM Single Cell 3’ GEM Library & Gel Bead Kit v3.1，Illumina NovaSeq 6000测序仪，Sigma‒Aldrich的胶原酶IV、透明质酸酶，Miltenyi Biotec的红细胞裂解液、死细胞去除试剂盒。
3.2 上皮细胞亚群分析与化疗耐药机制探索
本环节旨在解析两种亚型上皮细胞的亚群差异，阐明OCCC化疗耐药的潜在细胞机制。研究对上皮细胞进行无监督亚聚类分析，鉴定出8个上皮细胞亚群，并通过细胞周期分析、转录调控网络分析和拟时间轨迹分析，解析各亚群的功能特征。结果显示，OCCC样本中Cluster4（高表达LEFTY1、MUC1等基因）的细胞比例显著高于HGSC，而Cluster7（高表达细胞周期相关基因，主要处于G2/M期）的细胞比例显著低于HGSC（n=10，P<0.05）。结合领域共识中顺铂主要诱导G2/M期细胞凋亡的机制，推测：OCCC中G2/M期上皮细胞比例较低是其化疗耐药的重要原因之一。此外，Cluster4细胞富集Hedgehog、Wnt-β-catenin、TGF-β等致癌信号通路，提示该亚群可能参与OCCC的发病过程。CNV分析显示，OCCC各上皮亚群的全基因组CNV水平显著低于HGSC，提示两种亚型的基因组不稳定性存在差异。
文献未提及具体生物信息学分析工具，领域常规使用Seurat、Monocle3、InferCNV、SCENIC等工具。
3.3 差异标志物鉴定与临床验证
本环节的核心目标是筛选并验证能有效区分OCCC与HGSC的特异性生物标志物，并分析其与临床预后的关联。研究首先通过scRNA-seq数据筛选出两种亚型上皮细胞的差异表达基因，结合GEO数据库中GSE189553数据集的bulk RNA-seq数据进行初步验证，初步确定AOC1、LEFTY1、GPX3在OCCC中高表达，S100A2、WFDC2、CRABP2在HGSC中高表达。随后通过实时荧光定量PCR（qRT-PCR）对8例OCCC和8例HGSC患者的组织样本进行验证，结果显示AOC1、LEFTY1、GPX3在OCCC中的表达水平分别为HGSC的2.8倍、3.2倍、2.5倍（n=8，P<0.01），而S100A2、WFDC2、CRABP2在HGSC中的表达水平显著高于OCCC（n=8，P<0.01）。Western blot实验进一步验证了上述基因的蛋白表达差异（n=4，P<0.05）。为了进行大样本验证，研究构建了包含128例OCCC和81例HGSC样本的组织芯片，通过免疫组化（IHC）染色证实了AOC1、LEFTY1、GPX3在OCCC中的高表达及S100A2、WFDC2、CRABP2在HGSC中的高表达。预后分析显示，GPX3高表达的OCCC患者无进展生存期显著长于低表达患者（P<0.05），且铂敏感OCCC患者的GPX3表达比例显著高于铂耐药患者（P<0.05）。
实验所用关键产品：Thermo Fisher Scientific的TRIzol试剂、PrimeScript™ RT Master Mix、Fast SYBR Green Master Mix，DAKO Autostainer Link 48免疫组化染色仪，GraphPad Prism 8.0统计分析软件。
3.4 代谢通路分析与体外功能验证
本环节旨在解析OCCC的代谢特征，并验证代谢通路作为潜在治疗靶点的可行性。通过KEGG通路富集分析，研究发现OCCC上皮细胞的差异表达基因显著富集于氧化磷酸化、谷氨酰胺代谢、糖酵解/糖异生及铁死亡等代谢通路。为了验证这些通路的治疗潜力，研究选用OCCC细胞系TOV21G和HGSC细胞系OVCAR3进行体外实验，分别处理谷氨酰胺代谢抑制剂CB-839、铁死亡抑制剂liproxstatin-1、氧化磷酸化抑制剂二甲双胍和糖酵解抑制剂2-脱氧-D-葡萄糖。结果显示，二甲双胍和2-脱氧-D-葡萄糖能显著抑制两种细胞系的细胞活力，其中二甲双胍处理72小时后，TOV21G和OVCAR3的细胞活力分别降至42.3%和38.7%（n=3，P<0.001）；EdU实验和流式细胞术凋亡检测显示，二甲双胍能抑制细胞增殖并促进细胞凋亡，2-脱氧-D-葡萄糖则通过不同机制降低细胞活力。有趣的是，CB-839或liproxstatin-1与顺铂联合处理时，能显著提高TOV21G细胞的活力，降低顺铂的化疗敏感性，但对OVCAR3细胞的影响较小（n=3，P<0.05），提示抑制谷氨酰胺代谢或铁死亡仅会降低OCCC细胞的化疗敏感性。
实验所用关键产品：ATCC的TOV21G细胞系，中国国家细胞库的OVCAR3细胞系，MedChemExpress的cisplatin、2-脱氧-D-葡萄糖、二甲双胍、CB-839、liproxstatin-1，Dojindo的CCK8试剂，BD的FITC Annexin V凋亡检测试剂盒，Invitrogen的Click-iT® EdU成像试剂盒。
3.5 免疫细胞亚群差异分析
本环节旨在解析OCCC与HGSC在肿瘤免疫微环境上的差异。研究首先通过ImmunCellAI工具分析GSE189553数据集的免疫细胞丰度，发现OCCC样本中巨噬细胞和CD8+T细胞的比例显著高于HGSC，而Th17细胞和初始CD8+T细胞的比例显著低于HGSC（P<0.05）。随后对scRNA-seq数据中的免疫细胞进行亚聚类分析，鉴定出10个免疫细胞亚群，包括CD8+T细胞、CD4+T细胞、NK细胞等，进一步分析显示两种亚型的免疫细胞亚群比例无显著差异，但CD4+T细胞中增殖标志物Ki-67及炎症细胞因子IFN-γ、IL-17A、TNF-α的表达水平在OCCC中显著高于HGSC（P<0.05）。为了验证上述结果，研究采用质谱流式技术对肿瘤浸润淋巴细胞（TILs）进行分析，结果与scRNA-seq数据一致，T细胞是两种亚型TILs的主要组成部分，OCCC的CD4+T细胞中Ki-67及炎症细胞因子的表达水平显著更高。
实验所用关键产品：质谱流式检测相关试剂，ImmunCellAI在线分析工具，FlowJo流式细胞术分析软件。
4. Biomarker研究及发现成果解析
本研究共鉴定出6个能有效区分OCCC与HGSC的生物标志物，以及1个与OCCC预后相关的生物标志物，形成了从筛选到验证的完整研究链条，为上皮性卵巢癌的精准分型与预后评估提供了新的工具。
Biomarker定位方面，AOC1、LEFTY1、GPX3为OCCC的特异性标志物，S100A2、WFDC2、CRABP2为HGSC的特异性标志物，GPX3同时作为OCCC的预后标志物。筛选与验证逻辑为：首先通过scRNA-seq数据筛选两种亚型上皮细胞的差异表达基因，然后利用GEO数据库的bulk RNA-seq数据进行初步验证，接着通过qRT-PCR、Western blot在小样本临床组织中验证基因及蛋白表达差异，最后通过包含209例样本的组织芯片进行大样本免疫组化验证，并结合临床数据进行预后分析。
研究过程中，所有标志物均来自临床原发肿瘤组织样本，验证方法涵盖了转录水平、蛋白水平及组织水平的多维度验证。特异性与敏感性方面，免疫组化结果显示AOC1在OCCC中的阳性表达率为78.9%，在HGSC中的阳性表达率为22.2%（P<0.001）；S100A2在HGSC中的阳性表达率为81.5%，在OCCC中的阳性表达率为31.3%（P<0.001），提示两者具有良好的分型特异性。GPX3作为预后标志物，高表达OCCC患者的无进展生存期中位数为28.5个月，低表达患者为16.2个月（HR=0.52，95% CI 0.31-0.87，P<0.05），且铂敏感患者的GPX3阳性表达率显著高于铂耐药患者（72.1% vs 45.8%，P<0.05）。
核心成果提炼：本研究首次报道AOC1和S100A2作为OCCC与HGSC的分型标志物，填补了领域内特异性分型标志物的空白；GPX3不仅能区分OCCC与HGSC，还能预测OCCC患者的预后与化疗敏感性，为OCCC的临床管理提供了新的参考指标；此外，LEFTY1高表达的上皮细胞亚群可能参与OCCC的发病机制，为OCCC的发病机制研究提供了新的方向。这些成果为上皮性卵巢癌的精准分型、预后评估及治疗靶点选择提供了重要的理论依据与实验支持。