各位做胰腺癌研究的医生和学者们，还在愁多组学文章怎么搭框架？纯生信怕分数低、缺乏说服力，加实验又怕思路乱、抓不住重点？今天就带大家拆解嘉兴一院团队刚发在Frontiers in Immunology（IF=5.9）的重磅研究 —— 从单细胞挖泛素化表型，到孟德尔随机化（SMR）锁定关键基因，再用机器学习搭预后模型，最后实验补全分子机制，一套 “生信锚定方向 + 实验验证结论” 的组合拳，把多组学的逻辑玩得明明白白！想参照这个发文框架，或者需要帮忙设计研究、分析数据的，后面的细节一定要盯紧，文末可直接找我们团队对接！

文章信息速览

• 原标题：Single-cell and multi-omics analysis identifies TRIM9 as a key ubiquitination regulator in pancreatic cancer

• 期刊：Frontiers in Immunology

• IF：5.9

• 关键词：多组学、胰腺癌、TRIM9、HNRNPU、K11 链接泛素化、单细胞测序、空间转录组、孟德尔随机化（SMR）、机器学习预后模型、蛋白酶体降解

研究背景与目的

胰腺癌是出了名的“癌王”，晚期诊断率高、预后差（5 年生存率 < 10%），现有治疗手段效果有限。泛素化作为关键的翻译后修饰，在肿瘤细胞增殖、凋亡中起核心调控作用，但胰腺癌中泛素化相关的关键调控基因、下游靶点及具体机制一直没摸清 —— 这篇文章就瞄准这个缺口，用 “多组学生信 + 临床实验” 结合的方式，找泛素化通路里的抑癌基因，明确其功能和机制，同时搭建有临床价值的预后模型，为胰腺癌治疗提供新靶点。

研究亮点

这篇文章最值得学的是“每一步都为核心问题服务”，没有堆砌组学数据，而是围绕 “TRIM9 的泛素化调控作用” 层层递进，我们分 5 个关键步骤拆解：

1. 单细胞 + 空间转录组：先找 “泛素化高表达的细胞亚群”（定位研究起点）

医生做单细胞分析时，别只满足于“分细胞类型”，要结合研究方向挖 “有功能意义的亚群”—— 这篇就用 GSE155698 的胰腺癌单细胞数据（17 个样本，质控后剩 16 个），先分出 12 种细胞类型，再计算每种细胞的泛素化评分，发现内皮细胞的泛素化评分最高（命名为 High_ubiquitin-Endo）（图 1F、G）。更关键的是 “验证互作真实性”：用 CellChat 分析细胞间通讯，发现 High_ubiquitin-Endo 细胞会通过 WNT（WNT2B/FZD1/LRP6）、NOTCH（DLL1/NOTCH2/3）、整合素（THY1/ITGAX）等通路，和巨噬细胞、成纤维细胞频繁互动（图 1H、I）；再用 GSE235315 的空间转录组数据验证，果然 High_ubiquitin-Endo 细胞就分布在成纤维细胞、巨噬细胞周围（图 1J）—— 这步让 “细胞互作” 从生信预测变成了 “空间定位可及”，可信度直接拉满。

2. SMR 分析：锁定 “因果相关” 的关键基因 TRIM9（避免假阳性）

很多医生做差异表达分析会筛出一堆基因，但不知道哪个是“真关键”—— 这篇用孟德尔随机化（SMR）解决了这个问题：先从 GeneCard 拿到 405 个泛素化相关基因，再结合胰腺癌 GWAS 数据（bbj_a_140、ebi-a-GCST90018673），用 “p_SMR<0.05 且 P_HEIDI>0.05” 筛选，最后只交集出 1 个基因：TRIM9（图 2A）。后续验证更贴临床：在 GSE287735、GSE62452 数据集里，TRIM9 在癌组织中表达显著低于正常组织（图 2F、G）；TCGA cohort 中，肿瘤分期越高，TRIM9 表达越低（图 2H）；Kaplan-Meier 分析显示，TRIM9 高表达患者的生存期显著更长（图 2I）—— 直接坐实 TRIM9 是 “胰腺癌保护基因”，比单纯的差异表达分析更有因果说服力。

3. WGCNA + 机器学习：建 TRIM9 相关的预后模型（体现临床价值）

找到关键基因后，要和“临床预后” 挂钩 —— 这篇在 TCGA cohort 里做 WGCNA，先找到和 TRIM9 相关性最高的蓝色模块（cor=0.79，p<0.05），模块里的基因多和 “细胞间信号传递” 相关（图 3A-F）；再从模块中挑出 “跨所有数据集都存在” 的基因，先做单因素 Cox 筛选，再用 4 种机器学习方法（RSF、GBM、CoxBoost、LASSO）比较，最终选定CoxBoost+RSF 组合，构建出包含 7 个基因（TSPAN6、TSC1、RNF167、PBXIP1、LRRC49、KATNAL2、IGF2BP2）的预后模型（图 4A）。模型的 “硬实力” 在验证：在 TCGA、AU、CA 等 9 个独立 cohort 里，都能清晰分层高低危患者，高风险组的预后显著更差（图 5B-J）；还能关联治疗相关指标 —— 高风险组的 TMB 更高（图 5F、G）、T 细胞 / B 细胞等免疫细胞浸润更少（图 5H、I），意味着这个模型不仅能预后，还能指导免疫治疗选择，临床价值直接拉满。

4. 细胞实验：验证 TRIM9 的抑癌功能（临床医生易落地）

不用做复杂实验，聚焦“核心恶性表型” 即可 —— 这篇先在临床组织中用 WB 和 PCR 验证，TRIM9 在癌组织中确实低表达（图 6A、B）；再看细胞系，MIAPaca-2 的 TRIM9 表达最低，Panc-1 相对较高（图 6C），选这两个细胞做功能实验：

MIAPaca-2 过表达 TRIM9 后：细胞活力（图 6H）、克隆形成（图 6J）、迁移能力（图 6K、L）全下降；

Panc-1 敲低 TRIM9 后：这些恶性表型全增强（图 6I、M-P）—— 简单 3 类实验（活力、克隆、迁移），就把 TRIM9 的抑癌功能说清楚，临床团队时间 / 资源有限也能做。

5. 机制深挖：补全 “TRIM9→K11 泛素化→HNRNPU 降解” 通路（拔高创新性）

机制不用贪多，讲清“一条完整通路” 就行 —— 这篇用 Co-IP 证明 TRIM9 能和 HNRNPU 结合（图 7A）；再用抑制剂实验：过表达 TRIM9 会降低 HNRNPU 蛋白水平，但蛋白酶体抑制剂（MG132、BTZ）能逆转，溶酶体抑制剂（CQ、NH4Cl）不行，说明是蛋白酶体途径降解（图 7B、C）；CHX 追踪实验进一步证实，TRIM9 会加速 HNRNPU 降解（图 7D）；更创新的是 “泛素化类型”：用突变体实验发现，TRIM9 的 RING 结构域是泛素化必需的，而且是K11 链接的泛素化（不是常见的 K48）（图 7E、F）；体内实验更直接：过表达 TRIM9 的裸鼠肿瘤更小、更轻，而同时过表达 HNRNPU 能 “救回” 这个表型（图 7G-I）—— 从 “结合→降解途径→泛素化类型→体内验证”，把机制链全补通，创新性直接上来了。

可以从这篇文献中提炼的干货：

• 先定“核心科学问题”，再选组学技术：别上来就堆单细胞、空间转录组，这篇的核心是 “找泛素化相关的抑癌基因”，所以用单细胞找泛素化高的细胞亚群、用 SMR 找因果基因、用空间转录组验证互作 —— 每一步组学都为核心问题服务，逻辑才不乱。

• 生信重“验证”，实验重 “聚焦”：生信结果用多数据集、多方法验证（如单细胞→空间验证，SMR→表达 + 预后验证）；实验不用做太多，聚焦 “临床样本→细胞功能→机制→体内验证” 的核心链，既完整又不冗余，适合临床团队。

• 一定要贴“临床价值”：预后模型要能分层患者、关联治疗（如免疫治疗），机制要找到可靶向的靶点（如 HNRNPU），让文章不仅有学术意义，还能指导临床，审稿人更认可。

想照着这个框架发多组学文章的医生，不管是缺数据（如公共数据库挖掘）、缺生信分析（如 SMR、机器学习建模），还是缺实验设计，都可以找我们团队！从选题到成文全程帮你把控，避免走弯路，尽快产出符合临床研究定位的高分成果～

原文DOI：10.3389/fimmu.2025.1631708

专注期刊投稿、发表十年，任何投稿、写作难题欢迎咨询！