1. 领域背景与文献
文献英文标题：Integrating single-cell and bulk transcriptomes to reveal prognostic and immunological features of ecDNA-related genes in osteosarcoma；
发表期刊：文献未明确提供发表期刊信息；影响因子：未公开；研究领域：骨肉瘤分子生物学与肿瘤免疫学
染色体外DNA（ecDNA）作为肿瘤特有的无着丝粒环状DNA，于1965年首次被发现，早期因检测技术限制未得到广泛关注，近十年随着高通量测序技术的突破，其在肿瘤发生发展中的作用逐渐成为研究热点。当前领域研究显示，ecDNA可通过驱动癌基因扩增、增强肿瘤内遗传异质性、调控肿瘤微环境等机制促进肿瘤进展，且在多数人类肿瘤中与不良预后相关，但骨肉瘤领域对ecDNA的研究仍处于起步阶段，仅少数报道提及骨旁骨肉瘤中MDM2与CDK4的ecDNA共扩增，缺乏系统的ecDNA相关基因与骨肉瘤预后、免疫微环境的关联研究，也未建立对应的预后评估模型，同时ecDNA调控骨肉瘤免疫逃逸的具体机制及关键靶点尚不明确。针对上述研究空白，本研究整合单细胞与bulk转录组数据，构建ecDNA相关基因预后评分模型（EGPSM），系统解析其与骨肉瘤预后及免疫微环境的关联，并鉴定出关键调控靶点MTDH，为骨肉瘤的预后评估及免疫治疗提供新的理论依据与潜在靶点。
2. 文献综述解析
作者对领域内现有研究的评述逻辑按基础研究、肿瘤共性作用、骨肉瘤细分领域三个维度展开：首先梳理ecDNA的基础生物学特征，包括形成机制、结构特点及癌基因扩增功能；其次总结ecDNA在泛肿瘤中的共性作用，如驱动肿瘤进展、调控免疫微环境、关联不良预后；最后聚焦骨肉瘤领域，指出现有研究仅局限于个别基因的ecDNA扩增报道，缺乏对ecDNA相关基因整体的预后价值及免疫调控机制的系统研究。
现有研究已证实ecDNA在多数肿瘤类型中广泛存在，可通过非孟德尔遗传方式快速积累，驱动癌基因的超高表达，进而促进肿瘤增殖、侵袭及耐药，同时部分研究发现ecDNA可通过调控免疫相关基因表达塑造免疫抑制微环境，导致肿瘤免疫逃逸；但骨肉瘤领域的研究仍存在明显局限性，仅少数小样本研究报道特定基因的ecDNA扩增，未建立基于ecDNA相关基因的预后评估体系，也未明确ecDNA调控骨肉瘤免疫微环境的具体分子机制，无法为临床预后评估及治疗提供有效指导。
本研究的创新价值在于首次整合单细胞与bulk转录组数据，系统筛选骨肉瘤中ecDNA相关的差异表达基因，通过101种机器学习算法组合构建并验证了具有高预测性能的EGPSM模型，填补了骨肉瘤领域ecDNA相关预后模型的空白；同时从单细胞层面解析了EGPSM对骨肉瘤细胞亚群及免疫细胞功能的调控作用，鉴定出关键靶点MTDH并通过体内外实验验证其致癌功能及免疫调控机制，为骨肉瘤的预后分层及免疫治疗靶点开发提供了新的方向。
3. 研究思路总结与详细解析
本研究的整体框架为：以骨肉瘤中ecDNA相关基因的功能及临床意义为核心科学问题，首先通过生物信息学筛选ecDNA相关差异基因，整合机器学习算法构建并验证EGPSM预后模型；其次从bulk及单细胞层面多维度分析EGPSM与骨肉瘤预后、免疫微环境及治疗响应的关联；最后鉴定出EGPSM相关的关键致癌基因MTDH，通过体内外实验验证其对骨肉瘤进展及免疫微环境的调控作用，形成“筛选-建模-解析-验证”的完整研究闭环。
3.1 ecDNA相关差异基因筛选与EGPSM构建
实验目的：筛选骨肉瘤中与ecDNA相关的差异表达基因，构建具有高预测性能的预后评分模型。
方法细节：首先对GSE28424数据集进行差异表达分析，筛选骨肉瘤与正常骨组织的差异基因，将其与文献报道的ecDNA相关基因取交集，得到135个候选基因；以GSE21257为训练集，GSE33382为测试集，GSE39055为外部验证集，整合101种机器学习算法组合（包括LASSO、梯度提升机、随机生存森林等10种经典算法的组合），通过嵌套十折交叉验证自动优化超参数，以Harrell’s concordance index（C-index）为指标筛选最优模型。
结果解读：最终选择stepCox[backward]+plsRcox模型构建EGPSM，该模型在三个数据集中的平均C指数达0.803；时间依赖ROC曲线显示，训练集1、3、5年AUC分别为0.94、0.97、0.97，测试集及外部验证集也保持较高的预测性能；Kaplan-Meier生存曲线显示，高风险组患者在训练集、测试集及外部验证集的总生存期均显著短于低风险组（P<0.0001），提示EGPSM具有可靠的预后预测能力。
产品关联：文献未提及具体实验产品，领域常规使用R语言limma、glmnet、survival等包进行差异分析与模型构建。
3.2 EGPSM的独立预后价值与临床关联分析
实验目的：验证EGPSM的独立预后价值，构建更具临床实用性的预测模型。
方法细节：通过单因素及多因素Cox回归分析EGPSM与临床病理特征（如转移状态）的关联及对预后的独立预测能力；对比不同转移状态患者的EGPSM评分差异；构建整合EGPSM与转移状态的列线图模型，通过ROC曲线、校准曲线、决策曲线分析评估模型的预测性能及临床获益。
结果解读：单因素Cox回归分析显示EGPSM与转移状态均与患者总生存期显著相关，多因素Cox回归分析证实EGPSM为独立预后因素（P<0.05）；转移患者的EGPSM评分显著高于非转移患者（P<0.05）；列线图模型的AUC显著高于EGPSM或转移状态单独的预测性能，校准曲线与理想对角线高度重合，决策曲线显示模型具有显著的临床净获益，提示其可有效提升骨肉瘤患者的预后预测准确性。
产品关联：文献未提及具体实验产品，领域常规使用R语言rms包构建列线图并进行模型评估。
3.3 EGPSM与肿瘤免疫微环境及治疗响应的关联分析
实验目的：解析EGPSM对骨肉瘤免疫微环境的调控作用，预测不同风险组的治疗响应差异。
方法细节：对高、低风险组的差异基因进行GO、KEGG及GSEA富集分析，解析功能通路差异；使用CIBERSORT工具分析免疫细胞浸润丰度，通过ssGSEA、ESTIMATE分析免疫活性及基质细胞浸润；通过TIDE工具预测免疫治疗响应率，使用oncoPredict包基于GDSC数据库预测化疗药物敏感性。
结果解读：高风险组差异基因显著富集于肿瘤进展、免疫抑制相关通路，如NF-κB信号通路、Wnt信号通路；免疫浸润分析显示高风险组活化B细胞、树突状细胞、NK细胞等肿瘤杀伤性免疫细胞的丰度显著降低，ESTIMATE免疫评分、基质评分更低，肿瘤纯度更高；TIDE分析显示高风险组TIDE评分显著更高，免疫治疗响应率仅为41%，显著低于低风险组的53%；化疗药物敏感性分析显示，Cediranib、RO-3306等9种化疗药物在高风险组的IC50值更低，提示敏感性更高，而低风险组对免疫治疗的响应潜力更强。
产品关联：文献未提及具体实验产品，领域常规使用CIBERSORT、TIDE等在线工具及R语言相关包进行免疫浸润与治疗响应分析。
3.4 单细胞转录组解析EGPSM对细胞亚群的调控
实验目的：从单细胞层面解析EGPSM对骨肉瘤细胞亚群及免疫细胞功能的影响。
方法细节：对GSE162454数据集的6例骨肉瘤样本单细胞转录组数据进行质控、批次校正、聚类及细胞注释；使用AddModuleScore函数计算每个细胞的EGPSM评分，分析高、低评分组的细胞亚群分布差异；对T/NK细胞进行亚群细分，分析不同亚群的功能状态及细胞间通讯网络。
结果解读：共鉴定出10种细胞亚群，包括骨肉瘤细胞、T/NK细胞、成纤维细胞等；高EGPSM评分组骨肉瘤细胞、破骨细胞的比例显著更高，T/NK细胞比例显著降低；伪时间轨迹分析显示，骨肉瘤细胞在分化过程中EGPSM评分逐渐升高，基因组不稳定性（inferCNV评分）显著高于低评分组；T/NK细胞亚群分析显示，高评分组CD8细胞毒性T细胞、NK细胞的比例降低，CD4 naive细胞比例升高，T细胞的抑制性特征增强，细胞间通讯分析显示骨肉瘤细胞与CD8细胞毒性T细胞、CD4 naive细胞的相互作用在高评分组更强，且TIGIT通路显著富集，提示EGPSM可通过调控细胞间通讯塑造免疫抑制微环境。
产品关联：文献未提及具体实验产品，领域常规使用Seurat、CellChat、Monocle等R语言包进行单细胞转录组分析。
3.5 MTDH的功能验证及免疫调控作用研究
实验目的：鉴定EGPSM相关的关键致癌基因，验证其对骨肉瘤进展及免疫微环境的调控作用。
方法细节：通过单细胞转录组数据筛选在骨肉瘤细胞中特异性高表达的EGPSM基因，确定MTDH为研究靶点；在143B、U2OS骨肉瘤细胞系中通过siRNA敲低MTDH，采用CCK-8、克隆形成实验检测细胞增殖能力，流式细胞术检测凋亡率，Transwell、划痕实验检测迁移侵袭能力；将敲低MTDH的肿瘤细胞与活化的CD8+T细胞共培养，通过结晶紫染色检测肿瘤细胞存活率，流式细胞术检测CD8+T细胞中颗粒酶B、IFN-γ、穿孔素的表达；构建骨肉瘤原位小鼠模型，通过生物发光成像检测肿瘤负荷，流式细胞术检测肿瘤组织中CD8+T细胞的浸润及功能状态。
结果解读：MTDH在骨肉瘤细胞中特异性高表达，且在骨肉瘤组织及细胞系中的表达水平显著高于正常骨组织及成骨细胞（P<0.05），TARGET数据库分析显示MTDH高表达组患者总生存期显著更短（P<0.05）；敲低MTDH后，143B、U2OS细胞的增殖能力显著降低（CCK-8检测48h增殖率降低约30%，n=3，P<0.01），克隆形成数减少约50%（n=3，P<0.01），凋亡率升高约25%（n=3，P<0.01），迁移侵袭能力显著降低；与CD8+T细胞共培养后，敲低MTDH的肿瘤细胞存活率降低约40%（n=3，P<0.01），CD8+T细胞中颗粒酶B、IFN-γ、穿孔素的表达水平显著升高（n=3，P<0.05）；小鼠原位模型中，敲低MTDH组的肿瘤负荷显著低于对照组（n=5，P<0.05），肿瘤组织中CD8+T细胞的浸润丰度及功能分子表达水平显著升高。
产品关联：实验所用关键产品：中国科学院细胞库的143B、U2OS细胞系；Sangon Biotechnology的si-MTDH；Yeasen的CCK-8试剂盒（40203ES）、Annexin V-APC/PI双染试剂盒（40302ES50）；BioLegend的CD3抗体、CD8抗体、GZMB抗体、IFN-γ抗体、穿孔素抗体；PeproTech的IL-2（200-02-10UG）；Miltenyi Biotec的肿瘤解离试剂盒；BD Biosciences的LSRFortessa SORP流式细胞仪。
4. Biomarker研究及发现成果解析
Biomarker定位
本研究涉及两类生物标志物：一是基于135个ecDNA相关基因构建的EGPSM预后评分模型，其筛选与验证逻辑为：通过GEO数据集筛选骨肉瘤与正常组织的差异基因，与文献报道的ecDNA相关基因取交集得到候选基因，整合101种机器学习算法构建模型，在训练集、测试集、外部验证集三个独立数据集中验证预后性能，最后通过临床病理关联分析验证其独立预后价值；二是单个分子标志物MTDH，其筛选与验证逻辑为：通过单细胞转录组数据筛选在骨肉瘤细胞中特异性高表达的EGPSM基因，通过多数据集验证其在骨肉瘤组织及细胞系中的高表达及预后价值，最后通过体内外实验验证其致癌功能及免疫调控作用。
研究过程详述
EGPSM的来源为公共数据库的转录组数据，验证方法包括生存分析、ROC曲线分析、独立预后分析，其特异性表现为可有效区分高、低风险患者的预后及免疫微环境状态，敏感性方面，训练集1、3、5年AUC分别为0.94、0.97、0.97，测试集及外部验证集的AUC均保持在0.77以上，提示具有较高的预测敏感性；MTDH的来源为临床骨肉瘤样本及细胞系，验证方法包括qRT-PCR、免疫共培养实验、动物实验，特异性表现为仅在骨肉瘤细胞中高表达，在其他细胞亚群中表达水平极低，敏感性方面，作为预后标志物的ROC曲线AUC文献未明确提供，基于TARGET数据库的生存分析结果推测其AUC>0.7，同时MTDH敲低可显著抑制肿瘤生长并增强CD8+T细胞的细胞毒性，提示其作为治疗靶点的潜在价值。
核心成果提炼
EGPSM可作为骨肉瘤的有效预后及免疫治疗响应预测标志物，高风险患者的总生存期显著更短（训练集P<0.0001），肿瘤微环境呈“冷肿瘤”状态，免疫治疗响应率低，而对Cediranib、RO-3306等化疗药物更敏感；MTDH是骨肉瘤的致癌驱动基因及免疫调控靶点，可通过激活NF-κB等信号通路促进骨肉瘤细胞的增殖、迁移侵袭，抑制凋亡，同时通过抑制CD8+T细胞的细胞毒性塑造免疫抑制微环境，其高表达与骨肉瘤患者的不良预后显著相关（TARGET数据库中高表达组总生存期更短，P<0.05），为骨肉瘤的预后分层及免疫治疗靶点开发提供了新的候选分子。