1. 领域背景与文献
文献英文标题：Deep learning integration of single-cell and spatial transcriptomics reveals a neutrophil-associated mesenchymal niche and a candidate translocon dependency in lung adenocarcinoma；
发表期刊：Cancer Immunol Immunother；影响因子：未公开；研究领域：肺腺癌肿瘤微环境，肿瘤生物信息学。
领域共识：肺腺癌是肺癌最常见的组织学亚型，上皮-间充质转化是驱动肺腺癌治疗耐药与转移的核心生物学过程。随着单细胞转录组测序与空间转录组测序技术的突破，肿瘤微环境的细胞异质性解析已经成为当前肿瘤领域的研究热点，过去针对上皮-间充质转化相关肿瘤微环境的研究主要聚焦于SPP1阳性巨噬细胞的功能，中性粒细胞在该过程中的作用尚未得到充分解析。当前领域尚未解决的核心问题包括：单细胞转录组与空间转录组数据的整合分析方法不完善，无法精准解析肿瘤微环境中细胞互作的空间定位；缺乏高效的人工智能驱动的靶点筛选策略，无法快速从组学数据中得到可验证的候选治疗靶点；中性粒细胞是否参与肺腺癌间充质生态位的构建以及具体作用机制尚不明确。本研究针对上述研究空白，尝试构建整合多种深度学习算法的分析框架，解析肺腺癌中的中性粒细胞相关间充质生态位，筛选可信的肿瘤内在依赖性候选靶点，为肺腺癌的精准治疗提供新的方向，也为实体瘤靶点筛选提供新的可推广范式。
2. 文献综述解析
核心信息段：作者按照研究对象与技术方法两个维度对现有研究进行分类梳理，明确了当前领域的研究进展与存在的局限性，进而凸显本研究的创新价值。现有研究已经明确证实上皮-间充质转化在肺腺癌进展、耐药和转移中的驱动作用，SPP1阳性巨噬细胞被多项研究证实为上皮-间充质转化相关间充质生态位的核心组成部分，该结论在多个独立临床队列中得到验证。技术层面，单细胞RNA测序技术能够高效解析肿瘤微环境的细胞异质性，空间转录组技术可以保留细胞的空间位置信息，两类技术的应用推动了肿瘤微环境研究的发展，其技术优势已经得到领域的广泛认可。
但现有研究仍存在多处局限性：多数研究仅关注巨噬细胞在上皮-间充质转化中的作用，对肿瘤相关中性粒细胞的功能解析严重不足；多数研究单独分析单细胞转录组或空间转录组数据，未实现两类数据的深度整合，无法精准定位细胞互作的空间生态位；传统的靶点筛选策略主要依赖实验室验证，筛选效率较低，缺乏基于人工智能的高效筛选结合多终点正交验证的研究策略。相较于现有研究，本研究的创新价值十分明确，首次构建了整合一致性非负矩阵分解、变分自编码器标签转移、参考空间反卷积和基于转换器的计算机内扰动的整合深度学习框架，实现了单细胞与空间转录组数据的深度整合，在肺腺癌中首次明确了中性粒细胞参与构建的间充质互作生态位，同时证实SEC61G的预后价值独立于其所在区域的拷贝数变异，为可塑性驱动实体瘤的候选靶点筛选提供了全新的可推广研究范式。
3. 研究思路总结与详细解析
核心信息段：本研究的研究目标是整合多队列多组学数据，解析肺腺癌中未被充分关注的中性粒细胞相关间充质生态位，通过深度学习框架筛选肺腺癌肿瘤内在依赖性候选靶点；核心科学问题是中性粒细胞是否参与肺腺癌间充质生态位的构建，整合深度学习框架能否有效筛选出具有临床意义的可信候选靶点；整体技术路线为多队列多组学数据整合→无监督分解决析恶性表达程序→深度模型解析中性粒细胞功能状态→空间定位细胞互作回路→基础模型计算机内扰动筛选靶点→四端点正交验证，形成了从数据挖掘到靶点验证的完整研究闭环。
3.1 多组学数据整合与恶性表达程序解析
实验目的：通过无监督一致性分解从肺腺癌恶性细胞中解析得到不同的表达元程序，明确不同程序的预后价值。方法细节：研究整合了七个单细胞RNA测序队列、两个空间转录组队列、携带生存信息的批量RNA测序数据、CRISPR必需性数据以及三个免疫治疗队列的数据，采用无监督一致性矩阵分解决义恶性细胞的表达程序，通过生存分析评估不同表达程序的预后价值。结果解读：一致性分解决析得到四种恶性表达元程序，其中间充质/干扰素程序MP3仅在合并其他三种程序的背景下携带预后信息，风险比为1.43每1标准差（95%置信区间1.12-1.82，P=0.0045，文献未明确提供样本量）；复合评分z(MP3)−z(MP4)可单独作为预后指标，风险比为1.40（P=3.4×10^-6，文献未明确提供样本量），其中肺泡样程序MP4发挥保护作用，风险比为0.72（P=0.010，文献未明确提供样本量）。实验所用关键产品：文献未提及具体实验产品，领域常规使用生物信息学分析软件与计算服务器进行该类分析。
3.2 中性粒细胞状态与细胞互作回路解析
实验目的：解析肿瘤微环境中中性粒细胞的功能状态，明确中性粒细胞与其他细胞的互作关系及其空间定位。方法细节：采用深度生成模型scVI/scANVI解析中性粒细胞的不同功能状态，结合概率深度学习cell2location与随机森林多视图模型绘制空间生态位图谱，明确细胞互作回路的空间分布特征。结果解读：研究成功解析得到一条OSM启动的中性粒细胞功能轴，该轴与SPP1阳性巨噬细胞形成分隔的双细胞互作回路；空间定位结果显示，OSM信号流向巨噬细胞和成纤维细胞而非恶性肿瘤细胞，推测中性粒细胞对恶性肿瘤细胞的影响为间接作用，该细胞互作回路在两个空间转录组队列中均定位于可重复的两区域生态位，结果具有稳定性。实验所用关键产品：文献未提及具体实验产品，领域常规使用生物信息学分析软件与计算服务器进行该类分析。
3.3 基础模型计算机内扰动与候选靶点验证
实验目的：通过基于转换器的单细胞基础模型进行计算机内基因扰动，筛选肿瘤内在依赖性候选靶点，并通过多端点正交验证确认靶点的可靠性。方法细节：采用基于转换器的单细胞基础模型Geneformer，在三个耦合的状态转换过程中进行计算机内基因缺失扰动，将扰动得到的候选靶点导入四端点正交验证级联进行验证，确认候选靶点的临床与生物学意义。结果解读：经基础模型扰动与正交验证，研究筛选得到SEC61G，该基因在四个正交验证端点均得到一致性支持，其高表达与肺腺癌患者不良总生存相关，总生存风险比为1.64（P=1.3×10^-6，文献未明确提供样本量）；在三个免疫治疗队列中，两个队列的免疫治疗无应答者中SEC61G表达水平更高，其中一个队列的结果具有统计学意义。本研究证实SEC61G的预后信号独立于7p11.2拷贝数变异，这是本研究报道的新特性。实验所用关键产品：文献未提及具体实验产品，领域常规使用生物信息学分析软件与计算服务器进行该类分析。
4. Biomarker 研究及发现成果
核心信息段：本研究筛选得到的候选生物标志物为SEC61G，属于基因表达类预后与免疫应答预测生物标志物，筛选验证逻辑为“多队列多组学数据整合→恶性表达程序解析→免疫细胞状态与空间生态位解析→基础模型计算机内扰动→四端点正交验证”，形成了完整的筛选验证链条。该生物标志物的数据来源于公开的多队列转录组测序数据，通过生存分析验证其预后价值，通过免疫治疗队列验证其与免疫治疗应答的相关性，明确了其预后价值独立于7p11.2拷贝数变异。核心验证数据显示，SEC61G高表达提示肺腺癌患者不良预后，总生存风险比为1.64（P=1.3×10^-6，文献未明确提供样本量）；本研究解析的间充质程序MP3风险比为1.43每1标准差（95%置信区间1.12-1.82，P=0.0045），复合预后评分z(MP3)−z(MP4)风险比为1.40（P=3.4×10^-6）。
本研究的核心创新性成果在于，通过全新的整合深度学习分析框架从头推导得到已有研究报道的肺腺癌相关基因SEC61G，首次明确其预后信号独立于7p11.2拷贝数变异，证实SEC61G可作为肺腺癌预后预测和免疫治疗应答预测的候选生物标志物，同时本研究构建的“基础模型扰动+多端点正交验证”分析框架具有良好的通用性，可推广应用于其他可塑性驱动实体瘤的候选靶点与生物标志物筛选，为领域提供了新的技术范式。
/>