在肝癌的各种亚型中，肝细胞癌（HCC）占所有原发性肝癌病例的80%以上，造成了巨大的疾病负担。鉴于此，识别涵盖筛查、诊断和治疗的新靶标，并建立临床模型，在临床实践中具有至关重要的意义。研究表明，机体可以通过高度调控的细胞死亡形式，即细胞程序性死亡（PCDs），来消除功能受损、受感染或潜在癌变的细胞。PCDs在维持细胞内稳态、增强宿主对病原体的防御、对抗癌症和应对各种病理状态中起着关键作用。目前，已经确定了多种PCDs，包括凋亡、坏死性凋亡、自噬、焦亡、铁死亡和铜死亡，每种形式都展示了独特的分子调控和细胞表型，最终导致不同的细胞结局。细胞外囊泡（EVs）的出现为探索肿瘤微环境（TME）中多个细胞实体之间的复杂动态引入了新的视角，这可能有助于识别潜在的癌症诊断生物标志物，肿瘤衍生的EVs被详细描述为肿瘤细胞与基质细胞之间细胞间通信的关键介质，并在局部和远处微环境中的原发性肿瘤生长、免疫逃逸和转移中起关键作用。当下，PCDs与HCC细胞来源的外泌体之间的潜在关系的研究较少，基础调控机制不清楚。近期，广西医科大学附属肿瘤医院陈少华/张庆云/邓程恩教授团队在Frontiers in immunology杂志上发表题为“Developing an advanced diagnostic model for hepatocellular carcinoma through multi-omics integration leveraging diverse cell-death patterns”的论文（2024.1410603）。第一作者为广西医科大学附属肿瘤医院科研助理王承邦，杨光林和冯官正医师，通讯作者为广西医科大学附属肿瘤医院陈少华博士后，张庆云教授和邓程恩教授，该研究得到广西自然科学基金的资助。
研究中收集了包括凋亡、坏死性凋亡、自噬、细胞焦亡、铁死亡和铜死亡在内的六类关键程序性细胞死亡相关基因（CDRGs）。纳入了来自exoRBase数据库的血源性外泌体RNA-seq数据，TCGA数据库肝癌组织的RNA-seq数据，GEO数据库的单细胞RNA-seq数据（scRNA-seq），使用临床指标和机器学习方法筛选HCC的候选生物标志物基因，最终构建了一个包含7个基因的HCC诊断模型。此外，使用来自Mendeley数据门户的HCC的scRNA-seq和空间转录组测序（stRNA-seq）数据研究这七个关键基因的潜在机制及其与免疫检查点抑制 （ICB）治疗疗效的关联。最后，通过定量聚合酶链反应（qPCR）和免疫组织化学实验验证了组织和血源性外泌体中关键分子的表达情况。总的来说，该研究本研究通过整合单细胞多组学数据，利用血液衍生的外泌体转录组数据识别了调控HCC的关键程序性细胞死亡相关基因（CDRGs），进一步使用机器学习方法构建了临床HCC诊断的诊断模型，为HCC的临床诊断和治疗决策提供了重要支持。Wang C, Yang G, Feng G, Deng C, Zhang Q and Chen S (2024) Developing an advanced diagnostic model for hepatocellular carcinoma through multi-omics integration leveraging diverse cell-death patterns. Front. Immunol.15:1410603. doi: 10.3389/fimmu.2024.1410603外泌体资讯网 Front Immunol广西医科大学附属肿瘤医院陈少华/张庆云/邓程恩：基于多种细胞死亡模式的多组学整合构建肝细胞癌诊断模型
