乳腺癌放疗抵抗是临床 Oncology 的“老大难”——HER2 + 亚型抵抗率高，患者复发风险陡增，而核心驱动细胞和分子靶点一直模糊不清。近日，浙江大学第二附属医院、同济大学团队联合在《Theranostics》（顶刊，IF=13.3，0 版面费）发表重磅成果：通过“bulk RNA-seq + 单细胞 + 空间转录组 + 多组学+ 实验验证” 的完整闭环，首次锁定 “高放疗抵抗上皮细胞（RRhighepi）”，挖出核心靶点P4HA2，还构建了能精准分层预后的SSRR 模型，为放疗增敏提供全新方向！

图1 文献信息

文章信息速览

• 原标题：Single-cell and spatial transcriptomics reveal P4HA2-mediated radiotherapy resistance mechanisms in breast cancer

• 期刊：Theranostics（IF=13.3）

• 关键词：乳腺癌、放疗抵抗、单细胞测序、空间转录组、P4HA2、机器学习、多组学、预后模型

研究背景与临床痛点

乳腺癌放疗抵抗是临床治疗的“拦路虎”：

亚型差异显著：HER2 + 乳腺癌放疗抵抗最强，而 TNBC 虽获益明显，但仍有部分患者耐药复发（SEER 数据库 37 万 + 患者数据证实，放疗后 13% 出现二次 malignancies）；

机制模糊不清：现有研究只知道细胞周期、代谢重编程可能相关，但具体是哪些细胞在“搞事”、核心靶点是什么，一直没有明确答案。

研究核心目标

① 筛选乳腺癌放疗抵抗的核心细胞群和分子靶点；② 阐明靶点介导放疗抵抗的分子机制（细胞周期、代谢、肿瘤微环境层面）；③ 构建临床可用的预后模型，指导个性化治疗；④ 为放疗增敏提供潜在干预靶点，填补临床空白。

研究核心亮点：

这篇顶刊的精髓在于“从临床问题出发，用多组学层层拆解，最后实验验证”，5 个核心步骤完美契合医生发文逻辑，每个步骤都有明确数据和图号支撑：

第一步：Bulk RNA-seq 打底，锁定放疗抵抗基因 panel（图 2）

研究先从 TCGA-BRCA 和 GSE120798 两个队列入手，通过差异分析筛选出放疗抵抗相关基因 panel，核心发现：

该基因 panel 在肿瘤组织中显著上调，且富集于细胞周期通路（如 G2/M checkpoint，图 2D）；

组织特异性强：在乳腺组织中表达最高（图 2E），细胞层面主要集中在乳腺上皮细胞、内皮细胞（图 2F）；

细胞系验证：MCF7、MDAB-231 等放疗抵抗细胞系中，该 panel 的 ssGSEA 评分显著高于敏感株（图 2G-I）。

图2

医生发文启示：先从公共队列找差异基因 / 面板，为后续研究打基础，是多组学论文的 “入门必备步骤”。

第二步：单细胞 + 空间转录组，精准定位抵抗 “元凶”——RRhighepi 细胞群（图 3-6）

用单细胞和空间转录组进一步锁定抵抗细胞的“真面目”：

细胞特异性：单细胞测序（GSE176078、GSE161529）证实，抵抗基因 panel 在乳腺癌上皮细胞中评分最高，且肿瘤组织上皮细胞的评分显著高于正常组织（图 3A-F）；

图3

定义 RRhighepi 细胞群：将上皮细胞按评分分为高抵抗（RRhighepi）和低抵抗（RRlowepi），前者富集细胞周期、DNA 损伤修复通路，干性特征显著（图 4B-C）；

图4

空间定位：空间转录组（GSM6760695-697）显示，RRhighepi 主要集中在肿瘤恶性区域，且与内皮细胞相邻（图 3G-H）；

发育轨迹：伪时间分析（monocle2）和空间轨迹分析（stlearn）证实，RRhighepi 是 “发育起点”，会分化为 RRlowepi，且抵抗特征随分化逐渐减弱（图 5D-E、6D-I）。

图5

图6

医生发文启示：单细胞 + 空间转录组是 “精准定位” 的关键，能让你的研究从 “泛泛而谈” 升级为 “精准打击”，顶刊非常青睐这种 “细胞层面的机制拆解”。

第三步：孟德尔随机化 + 机器学习，构建临床可用的 SSRR 预后模型（图 7-9）

从“基础研究” 转向 “临床应用”，这一步是高分论文的 “加分项”：

因果验证：孟德尔随机化分析 24 个 GWAS 队列，证实 P4HA2、OCIAD2 等基因与乳腺癌存在因果关联（图 7A-D）；

图7

模型构建：整合 RRhighepi 特征基因和孟德尔随机化结果，用 StepCox [both]+SuperPC 算法构建 SSRR 模型，基因权重最高的是 P4HA2（图 8B）；

模型性能：在 TCGA 和 3 个外部队列中，高风险组患者生存显著更差（图 8C），2 年 AUC 最高 0.77，4 年 AUC 最高 0.73（图 8D-E），且是独立预后因素（HR=1.476，p<0.001，图 8K-P）；

图8

治疗指导：高风险组对免疫治疗更敏感，且对多西他赛、多柔比星等化疗药敏感；低风险组对来曲唑、他莫昔芬更敏感（图9A-J）。

图9

医生发文启示：构建预后模型并验证其临床实用性，能大幅提升论文的转化价值，顶刊尤其看重“从实验室到病床” 的落地潜力。

第四步：多组学深挖 P4HA2 靶点，全方位证实其核心作用（图 10-12）

聚焦模型中权重最高的 P4HA2，用多组学验证其作为靶点的合理性：

泛癌表达：TCGA 转录组、CPTAC 蛋白质组、IHC 染色均证实，P4HA2 在乳腺癌等多种肿瘤中高表达，且恶性区域表达显著高于正常区域（图 10A-D、F-L）；

图10

临床关联：P4HA2 高表达与乳腺癌高分级、高分期（Stage IV 最高，图 12F-G）、HER2 亚型（表达最高，图 12H）显著相关，且是不良预后因素（图 12A-B）；

分子特征：乳腺癌中 P4HA2 表达与甲基化负相关（图 11B），与基因组不稳定性（非整倍体、HRD 等）正相关（图 11H-L），转录因子 ESR1、BRD4 可能调控其表达（图 11N-O）；

医生发文启示：靶点的“多维度验证” 是顶刊的硬要求，从转录组、蛋白质组、基因组、临床样本等层面交叉验证，才能证明靶点的可靠性。

图11

图12

第五步：体外实验验证，实锤 P4HA2 的放疗增敏作用（图 13-15）

基础研究最终要回归实验验证，这是医生发文避免“纯生信空壳” 的关键：

基础功能：敲低 P4HA2 后，HCC1606 和 MCF7 细胞的增殖（EdU assay）、迁移（Transwell）、克隆形成能力均显著降低（图 13C-L）；

图13

放疗增敏：4Gy 放疗 + P4HA2 敲低组，癌细胞数量显著减少；6Gy 联合组几乎清零癌细胞（图 15A-C）；

机制验证：联合治疗可降低干细胞标志物（CD44、Oct4）和 DNA 修复蛋白（KU80）表达，升高 DNA 损伤标志物（γ-H2AX），同时抑制 EMT（E-cadherin 升高，Vimentin 降低）（图 15D-Q、R-T）；

WGCNA 验证：P4HA2 与放疗抵抗基因 panel 同属蓝色模块（占比 85.1%），且模块成员与抵抗特征显著相关（cor=0.52，p<1e-200，图 14G）。

图14

图15

医生发文启示：哪怕只有细胞实验，也能大幅提升论文的说服力，顶刊不喜欢“只谈理论不做实验” 的研究，基础实验是打通 “基础 - 临床” 的最后一公里。

临床价值：从科研到临床，每一步都有实际意义

对临床医生：① SSRR 模型可精准分层患者风险，指导治疗方案选择（高风险组选免疫治疗 + 化疗，低风险组选内分泌治疗）；② P4HA2 可作为放疗抵抗的 biomarkers（乳腺癌诊断 AUC=0.813，图12D），帮助提前识别高危患者；

对科研人员：揭示“RRhighepi-P4HA2 - 细胞周期 / 代谢重编程 - 内皮细胞互作” 的全新机制（图 8），为后续研究提供方向；

对患者：P4HA2 抑制剂有望成为放疗增敏药物，尤其对 HER2 + 等放疗抵抗亚型，可能大幅提升治疗效果，降低复发风险。

这篇 IF=13.3 的顶刊，完美示范了临床医生如何做好多组学研究：

• 选题公式：临床痛点（放疗抵抗）+ 技术创新（单细胞 + 空间转录组）+ 转化价值（靶点 + 模型）；

• 逻辑公式：公共队列找差异（bulk RNA-seq）→ 精准定位（单细胞 + 空间）→ 因果验证（孟德尔随机化）→ 模型构建（机器学习）→ 靶点验证（多组学 + 实验）；

• 加分公式：多组学整合（避免单一技术）+ 实验验证（避免纯生信）+ 临床落地（模型 /biomarker）。

对于手握临床样本的医生来说，不用追求复杂的技术堆砌，而是要围绕一个临床问题，用多组学技术层层拆解，最后用实验验证核心结论，就能写出顶刊认可的好论文。

原文DOI: 10.7150/thno.121257

专注期刊投稿、发表十年，任何投稿、写作难题欢迎咨询！