转录程序的紊乱(Transcriptional program dysregulation）是癌症的标志之一。转录调控在癌细胞及与癌症相关细胞的身份维持中起着关键作用。癌症是一个复杂的生态系统，包括恶性细胞、免疫细胞和基质细胞等多种不同类型的细胞。理解转录程序如何控制癌症生态系统中的不同细胞状态和类型，将为癌症的治疗提供机会。肺癌是全球癌症死亡的主要原因，非小细胞肺癌（NSCLC）患者占所有肺癌病例的近 85%，其中近 50% 的患者患有肺腺癌(lung adenocarcinoma)[1]。肺癌的特点是异质性显著，使得不同患者间预后差异较大。近年来测序技术的发展为理解肿瘤异质性提供了新的视角。深入理解肺癌的肿瘤异质性以及其潜在的调控机制，将为预防肿瘤进展和转移以及其治疗指明新的思路和方向。

在该研究中，研究人员创新性地构建了一种基于单细胞调控子的对于肺腺癌患者预后分层和个体化治疗预测工作流程（图1）。首先研究者利用人类肺腺癌单细胞RNA-seq数据集[2]，这个数据集包括了来自44个样本（包括正常组织和从早期到转移期的癌症）的208,506个细胞。主要的细胞系包括上皮细胞（恶性细胞、非恶性细胞）、基质细胞（成纤维细胞和内皮细胞）、免疫细胞（T 细胞、B 细胞、NK 细胞和 MAST 细胞）以及脑转移病灶中的少突神经胶质细胞。接下来研究人员使用了 SCENIC 算法来推断每种细胞类型的调控子，通过使用机器学习回归技术推断转录因子和候选目标基因之间的共表达模块，从而计算出调控子(Regulon)[3]。研究发现了不同细胞类型特异性的调控子，如B 细胞的特异性调控子POU2F2，髓系细胞中的特异性调控子SPIC等，这些都与文献报道的一致。除此之外，研究人员也报道了与肿瘤恶性进展相关的特异性的调控子（图2）。研究人员进一步结合肿瘤单细胞RNA-seq 转录调控子的和 bulk 测序肿瘤数据，设计了一种新的计算方法从单细胞RNA-seq数据中提取核心转录程序来指导大型肿瘤测序队列中的患者分层，将其称为“肺癌预后调控子指数”（Lung cancer Prognostic Regulon Index, LPRI）。该方法能够有效克服不同队列中由于不同测序平台差异引起的技术偏倚，从而能够稳健地进行患者生存的预测。

图1 肺腺癌单细胞调控子图谱以及LPRI的工作流程

图2 肺腺癌单细胞调控子UMAP降维以及细胞类群特异性调控子

研究人员系统地验证了LPRI在包括TCGA在内的多个肺腺癌肿瘤以及脑转移癌队列中具有良好的预后预测能力，并且在不同的病理级别，年龄组中均具有较好的效果。并且研究者也在泛癌队列中验证了LPRI在多种肿瘤中同样具有良好的预后预测能力(图3)。这些分析提示了LPRI是可作为一种稳健的生物标志物用于临床预后的预测。

 图3 LPRI作为肺腺癌预测预后的生物标志物

最后作者利用LPRI对TCGA肺腺癌多组学队列进行分析，系统地描述了不同分组中肿瘤基因组、甲基化组、转录组、肿瘤微环境等的差异，并使用 PRISM 和 CTRP 数据库，结合CTD数据库进行药物靶点分子对接模拟，为不同组的患者确定了可能的药物靶标和相应的化合物（图4）。研究人员同时开发了相关的R软件包LPRI以促进该工作流程的使用(https://github.com/Richard-Li-lab-team/LPRI)。

图4 TCGA肺腺癌队列综合分析LPRI相关的多组学差异以及个性化用药靶标