Integrative multi-cohort transcriptomic analysis identifies conserved molecular programs for detecting hepatocellular carcinoma in chronic liver disease
通过对来自36名患者的141,428个单细胞和细胞核图谱进行整合分析，研究人员开发了一种以拷贝数变异为基础的稳健的12基因特征，该特征能够有效区分早期肝细胞癌与慢性肝损伤，并在独立队列中实现了极高的诊断准确性和预后价值。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
肝脏是一个具有韧性的器官，但当它遭受慢性损伤——无论是由于病毒感染、脂肪沉积还是酒精——时，它并不会简单地恢复到原始的健康状态。相反，它会变成一个由疤痕组织、炎症以及不断尝试自我修复的细胞所构成的景观。这种环境是肝癌滋生的肥沃土壤，而肝癌往往隐藏在视线之外。医生面临的核心挑战在于，早期的癌细胞看起来或表现得并不像健康肝脏中的细胞；它们是从这种已经受损且混乱的背景中涌现出来的。传统的筛查方法，如超声波扫描或针对特定蛋白质的血液检测，往往难以在满布疤痕和炎症组织的“海洋”中发现微小的肿瘤。它们可能会完全漏掉癌症，或者将正在愈合的肝脏发出的“噪音”误认为是新的威胁。为了发现早期癌症，科学家需要一种方法，能够从慢性病变肝脏的“喧嚣”中分辨出新发肿瘤那细微的“低语”。
一个研究小组通过不再将肝脏视为一个整体器官，而是将其视为一个个独立的细胞集合，采取了一种新的方法来解决这个问题。他们收集了来自数百数千个细胞的遗传数据，这些细胞分别取自健康肝脏、肝硬化患者、脂肪肝患者以及肝癌患者。通过逐一检查这些细胞，他们能够将真正的癌细胞与受损但非癌性的细胞区分开来。他们发现，癌细胞携带一种独特的遗传特征，即随着细胞变为恶性时会被激活的一套特定的指令。然而，由于这些早期癌细胞相对于周围组织而言非常微小，它们的信号很容易被淹没。研究人员需要寻找一种模式，即使在癌症仅占样本极小比例的情况下，该模式依然保持可见。
为了解决这个问题，该团队将来自许多不同患者和不同类型肝脏疾病的数据整合进一张单一且庞大的地图中。他们使用一种方法来识别那些获得了典型癌症特征（如染色体片段的增加或缺失）的细胞，同时观察哪些基因处于活跃状态。这使他们能够定义一个细胞状态的光谱，范围涵盖从健康的肝脏细胞到发育完全的肿瘤，并在两者之间划定了一个特定的“早期”阶段。他们发现，这些早期癌细胞不仅生长得更快，而且正在失去成熟健康肝细胞的身份特征。这种双重信号——既获得癌症特征，又失去健康特征——成为了他们发现的关键。
从这张复杂的地图中，研究人员提炼出了一个由十二个基因组成的可靠检测清单。这些基因协同工作：有些在癌症存在时变得更加活跃，而另一些则随着细胞失去健康的肝脏身份而变得不活跃。他们利用计算机模型测试了这个十二基因清单，模拟了将极少量癌症组织混合在大量正常且带有疤痕的肝脏组织中的场景。即使癌症仅占总样本的一小部分，该模型仍能高精度地检测到其存在。在一次测试中，即使癌细胞被周围健康的组织高度稀释，该系统仍能在几乎所有存在癌症的情况下正确识别出癌症。
随后，研究人员检查了这种遗传特征是否可以预测已有肝癌患者的预后情况。他们将这个十二基因测试应用于来自不同国家的庞大患者群体。他们发现，如果患者的肿瘤显示出更强的这种特征，其死亡风险会更高。这表明，帮助发现早期癌症的同一种遗传模式，也反映了疾病可能具有的侵略性。此外，他们发现带有这种高风险特征的肿瘤通常被大量的免疫细胞（特别是T细胞和巨形细胞）所包围。然而，这些免疫细胞表现出疲劳且无效的状态，无法阻止癌症的生长。这一发现解释了为什么即便免疫细胞数量庞大，免疫系统有时仍无法清除这些肿瘤。
虽然研究结果前景广阔，但研究人员谨慎地指出，这是一项在实验室中取得的发现，尚未成为临床医院使用的检测手段。数据来源于对已采集组织的分析，而“混合”癌症与健康组织的过程是通过计算机模拟完成的，而非在实验室中物理混合样本。团队明确表示，该工具目前尚未准备好用于患者的即时筛查。相反，它作为一个聚焦的假设，为未来的研究提供方向。下一步工作是将这个十二基因面板应用于现实世界的样本，即监测肝脏疾病的患者，以验证它是否真的能发现目前常规方法所遗漏的早期癌症。在此之前，这项工作为开发一种有望通过在肝癌尚小且可治疗阶段发现它来挽救生命的工具，提供了一条清晰且具有生物学依据的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。