掃碼聯(lián)系客服
單細(xì)胞ATAC和RNA測序揭示了與前列腺癌復(fù)發(fā)有關(guān)的原始和持續(xù)細(xì)胞
大家好，今天給大家分享的文章是今年9月發(fā)表在Nature Communications(IF:14.919)上面的一篇文章。前列腺癌具有異質(zhì)性，那些對系統(tǒng)治療有反應(yīng)的患者，如果存在某些方法對這些患者進(jìn)行分層，那將使患者受益。這篇文章就是采用ATAC-seq和RNA-seq的單細(xì)胞檢測方法，對恩雜魯胺(一種抗癌藥物)的早期治療反應(yīng)和耐藥性模型進(jìn)行研究。
方法
RNA測序及預(yù)處理
LNCaP和VCaP細(xì)胞系是從ATCC機(jī)構(gòu)獲得。VCaP細(xì)胞的RNA測序是用Illumina HiSeq3000進(jìn)行的，實驗中對3個重復(fù)樣品進(jìn)行了測序，平均每個樣品獲得1.11億個雙端reads。在預(yù)處理過程中，基于Ensembl參考基因組GRCh38使用STAR對reads進(jìn)行了比對。使用featureCounts和Gencode注釋對read counts進(jìn)行了定量。
單細(xì)胞樣品制備和測序
對于scRNA-seq，使用CellRanger將測序reads處理為FASTQ格式和單細(xì)胞特征counts。同樣地，使用CellRanger ATAC將scATAC-seq的測序reads處理為FASTQ格式，并計算峰-條形碼counts。LNCaP-ENZ168、VCaP和VCaP-ENZ48的Drop-seq(液滴測序)樣本經(jīng)過預(yù)處理、比對，并使用Drop-seq工具處理成細(xì)胞計數(shù)矩陣，預(yù)計每個樣本包含1000個細(xì)胞。該流程使用STAR和Picard工具，并使用了人類參考基因組GRCh38和Gencode注釋。
甲醛輔助分離調(diào)控元件(FAIRE)測序和分析
FAIRE分離的DNA片段用羅氏KAPA試劑盒進(jìn)行文庫制備，在Illumina HiSeq2500上測序，產(chǎn)生50bp的單端reads，并使用bwa與hg19進(jìn)行比對。使用Picard對重復(fù)進(jìn)行了標(biāo)記和重比對。使用MACS2對比對文件進(jìn)行peak calling，DiffBind被用來探索峰的重疊情況，并推導(dǎo)出共識峰集。通過計算每個樣本條件下重復(fù)的reads平均數(shù)，對共有峰位點、MYC(髓細(xì)胞增生原癌基因)結(jié)合位點和AR(雄激素受體)結(jié)合位點進(jìn)行讀長分布分析，并使用t檢驗比較樣本之間的分布中心值，以評估這些位點的染色質(zhì)開放性差異。
單細(xì)胞RNA預(yù)處理和質(zhì)量控制
CellRanger的輸出被用作Seurat的輸入，用于進(jìn)一步分析scRNA-seq樣品。對于每個樣品，根據(jù)檢測到的基因數(shù)量、檢測到的分子總數(shù)和來自線粒體基因組的reads百分比篩選出質(zhì)量差的細(xì)胞。為了解決數(shù)據(jù)中細(xì)胞周期異質(zhì)性的影響，使用Seurat CellCycleScoring函數(shù)對每個細(xì)胞的S期或G2/M期相關(guān)基因的表達(dá)進(jìn)行評分。使用sctransform對G2/M期和S期之間的評分差異進(jìn)行評估。在單細(xì)胞RNA聚類中，研究者使用相互最近鄰方法fastMNN對4個LNCaP樣本進(jìn)行整合，使用了2000個整合特征并考慮了批次效應(yīng)。使用Seurat進(jìn)行聚類和UMAP非線性降維。每個簇的特征基因和樣本間的差異表達(dá)基因是用Seurat的廣義線性模型MAST框架來識別的。如果Bonferroni校正的P值<0.01，簇中至少有10%的細(xì)胞表達(dá)該基因，且平均倍數(shù)變化至少為0.25，則該基因被認(rèn)為是差異表達(dá)的。此外，研究者利用MSigDB中的hallmark基因集，根據(jù)其差異表達(dá)的基因來表征聚類和樣本。具體的步驟是使用GSVA包進(jìn)行了基因集變異分析(GSVA)，以表征每個聚類的平均表達(dá)量。然后使用fgsea包對MSigDB hallmark基因集進(jìn)行基因集富集分析。使用cytoTRACE預(yù)測了每個樣本中每個細(xì)胞的分化潛能。使用scVelo評估了scRNA-seq樣本中單細(xì)胞的RNA速度。
單細(xì)胞ATAC預(yù)處理和質(zhì)量控制
CellRanger ATAC流程的輸出被用作Signac軟件包的輸入，用于進(jìn)一步分析scATAC-seq樣品。對于每個樣品，篩選出劣質(zhì)細(xì)胞。使用Signac和潛在語義索引(LSI)進(jìn)行數(shù)據(jù)歸一化和降維。使用LSI嵌入的harmony方法對scATAC-seq樣本進(jìn)行整合聚類。得到的結(jié)果被用作Signac軟件包的輸入，用于UMAP非線性降維和聚類，使用默認(rèn)參數(shù)和SLM算法進(jìn)行模塊優(yōu)化。通過匯集每個樣品中所有優(yōu)質(zhì)細(xì)胞的reads，對scATAC-seq樣品中的染色質(zhì)可及性變化進(jìn)行分析。使用Signac中的TSSEnrichment函數(shù)生成轉(zhuǎn)錄起始位點的富集，CoveragePlot函數(shù)生成基于片段覆蓋率的染色質(zhì)可及性軌跡。使用ReactomePA評估Reactome通路的過表達(dá)。用Signac的邏輯回歸模型來識別聚類中的差異可及區(qū)域，該模型根據(jù)每個基因來預(yù)測群組成員，并使用似然比檢驗來比較結(jié)果和零模型，以峰的總數(shù)作為潛在變量。如果Bonferroni校正的p值<0.05，至少有10%的細(xì)胞在該區(qū)域顯示出可及性，并且平均倍數(shù)變化至少為0.25，則該區(qū)域被認(rèn)為是可及的。使用SignacClosestFeature函數(shù)用最接近的基因?qū)Σ町惪杉皡^(qū)域進(jìn)行注釋。使用R包ggradar對樣品間簇的差異可及區(qū)域進(jìn)行可視化。
scATAC-seq的轉(zhuǎn)錄因子基序富集和轉(zhuǎn)錄輸出
使用R包TFBSTools、BSgenome.Hsapiens.UCSC.hg38和從RJASPAR2018數(shù)據(jù)包中檢索的JASPAR數(shù)據(jù)庫的位置-頻率矩陣，在樣品條件之間和每個樣品簇之間的差異可及染色質(zhì)區(qū)域中使用Signac進(jìn)行轉(zhuǎn)錄因子基序富集?？紤]到染色質(zhì)區(qū)域的序列特征(如GC頻率)，因此使用了超幾何檢驗來檢驗顯著性基序富集。通過評估富集的轉(zhuǎn)錄因子的靶基因和scRNA-seq簇中差異表達(dá)基因之間的重疊，將scATAC-seq中的染色質(zhì)狀態(tài)與scRNA-seq中的轉(zhuǎn)錄輸出相關(guān)聯(lián)。
基于標(biāo)簽轉(zhuǎn)移整合scRNA-seq和scATAC-seq數(shù)據(jù)集
LNCaP，LNCaP-ENZ48，RES-A和RES-B的每個樣本都有scRNA-seq和scATAC-seq數(shù)據(jù)。這些數(shù)據(jù)類型使用Signac和Seurat中實現(xiàn)的聚類-標(biāo)簽轉(zhuǎn)移程序進(jìn)行整合。每個scRNA-seq樣本被單獨聚類，其聚類標(biāo)簽被投射到匹配的，單獨聚類的scATAC-seq樣本上，每個樣本的聚類分辨率使用clustree進(jìn)行評估和確定。另外，RNA-seq的表達(dá)水平從scATAC-seq數(shù)據(jù)中推算出來。通過測試不同的預(yù)測分?jǐn)?shù)閾值，發(fā)現(xiàn)在所有樣本中，使用0.3的閾值，大約有50%以上的細(xì)胞在數(shù)據(jù)類型之間進(jìn)行了標(biāo)簽轉(zhuǎn)移。
RNA-seq和臨床數(shù)據(jù)分析
使用GSVA包對每個基因特征或基因集進(jìn)行富集評估并在樣本中評分。在單細(xì)胞水平評估基因集表達(dá)的情況下，Seurat中的AddModuleScore函數(shù)被用來生成每個細(xì)胞的平均表達(dá)分?jǐn)?shù)。生存分析使用survival包進(jìn)行，Kaplan-Meier曲線使用survminer包繪制。對于單一特征的生存分析，使用中位GSVA評分將患者分為低表達(dá)和高表達(dá)的特征組。對于多個特征的生存分析，利用每個特征的GSVA富集分?jǐn)?shù)，使用歐氏距離和層次聚類法對樣本進(jìn)行聚類。聚類結(jié)果隨后被用來確定生存分析中的兩組樣本。
原發(fā)性前列腺癌組織的空間轉(zhuǎn)錄組學(xué)分析
從一名患者身上獲得了兩片冷凍的PC組織，在Illumina NovaSeqPE150測序儀上完成測序。測序數(shù)據(jù)首先用10xGenomics的SpaceRanger進(jìn)行處理，以獲得兩個部分的表達(dá)矩陣。然后用Seurat進(jìn)行下游處理和聚類，用sctransform對數(shù)據(jù)進(jìn)行歸一化處理，以考慮測序深度差異。Seurat的AddModuleScore函數(shù)被用來對基因特征的spot進(jìn)行評分。研究者比較了管家基因集和scRNA-seq特征集的基因表達(dá)分?jǐn)?shù)分布，以確定第90個百分點作為cutoff，在這個分界點上把spot視為具有高表達(dá)的scRNA-seq特征。
結(jié)果
染色質(zhì)重編程是恩雜魯胺耐藥的基礎(chǔ)
為了研究PC中AR信號抑制和耐藥動力學(xué)的分子后果，利用LNCaP親本細(xì)胞系、LNCaP衍生的ENZ耐藥細(xì)胞系RES-A和RES-B，這些細(xì)胞系通過長期暴露于AR靶向藥物而產(chǎn)生，以及其他獨立生成的LNCaP和VCaP衍生模型(圖1a)。為了確定染色質(zhì)結(jié)構(gòu)對ENZ抗性的影響，對4個樣本進(jìn)行了scATAC測序(圖1a)。與親本細(xì)胞相比，ENZ抗性細(xì)胞中轉(zhuǎn)錄起始位點(TSS)的ATAC-seq信號下降(圖1b)。這種趨勢也被發(fā)現(xiàn)在管家基因、雄性激素反應(yīng)通路的基因和參與MYC信號傳導(dǎo)的基因中，表明這種模式不限于一個特定的基因集。此外，與RES-B和LNCaP相比，RES-A細(xì)胞的獨特開放位點比例更高(圖1c)。
研究者通過對親代LNCaP和RES-A細(xì)胞進(jìn)行FAIRE測序，證實了ENZ抗性細(xì)胞中染色質(zhì)開放和重編程的程度。雖然開放染色質(zhì)位點的總數(shù)沒有明顯差異，但與親代相比，在雄性激素存在和雄性激素匱乏的條件下，ENZ抗性樣本有更高比例的獨特開放位點。接下來，研究者基于scATAC-seq樣本來生成具有不同染色質(zhì)可及性特征的細(xì)胞亞群的聚類可視化(圖1d)，由此確定了各樣品中獨特或共享的簇(圖1e)。獨特的簇是專門針對RES-A和RES-B，共有的簇以相似的比例存在于樣本中，被命名為持續(xù)簇(圖1e)。將每個簇與其他所有的簇進(jìn)行比較，根據(jù)差異可及的染色質(zhì)區(qū)域(DAR)來確定其獨特的染色質(zhì)特征。就細(xì)胞數(shù)量而言，最普遍的基于染色質(zhì)的scATAC-seq簇是持續(xù)的(圖1e)，這表明在ENZ抗性的發(fā)展過程中，74%的細(xì)胞共享一個整體類似的染色質(zhì)可及性譜。然后，評估了親代LNCaP、LNCaP-ENZ48以及RES-A和RES-B之間簇染色質(zhì)DAR的變化。在對恩雜魯胺的短效反應(yīng)期間，在幾個簇的MYC和TP53周圍觀察到DAR。
已有研究表明，在無雄性激素的情況下長時間培養(yǎng)的PC細(xì)胞系往往顯示出類似神經(jīng)內(nèi)分泌的表型。結(jié)果發(fā)現(xiàn)，RES-A和RES-B細(xì)胞中NEPC衍生的特征表達(dá)升高，以及原始簇中NEPC下調(diào)的基因表達(dá)升高。此外，在相同細(xì)胞系的RNA測序中，NEPC特征的基因集變異分析顯示，只有RES-A細(xì)胞中NEPC上調(diào)的基因表達(dá)量較高。這些數(shù)據(jù)顯示，在出現(xiàn)對AR靶向藥物的耐藥性過程中，染色質(zhì)發(fā)生了廣泛的重編程。
恩雜魯胺的耐藥性重構(gòu)了染色質(zhì)中TF結(jié)合DNA基序的可用性
染色質(zhì)的可及性通過暴露TF DNA結(jié)合基序的軌跡來確定細(xì)胞的轉(zhuǎn)錄輸出。根據(jù)reads分布分析，觀察到ENZ抗性細(xì)胞中MYC結(jié)合位點的開放染色質(zhì)明顯增加(圖2a)，去勢條件下AR結(jié)合位點的開放染色質(zhì)減少(圖2b)。這些發(fā)現(xiàn)表明，ENZ抗性的染色質(zhì)失調(diào)與AR和MYC染色質(zhì)結(jié)合的重構(gòu)有關(guān)，這與之前報道的一致。
為了解決染色質(zhì)重編程如何在單細(xì)胞水平上影響TF DNA基序的暴露，研究者對每個樣品中scATAC-seq細(xì)胞簇的標(biāo)記DAR進(jìn)行了TF基序富集分析(圖2c)。在RES-A和RES-B中，簇3和簇5富集了相同TF基序的子集，簇5在所有樣品中顯示出一致的富集趨勢(圖2c)。簇3以FOXA1和JUND為特征，而簇5以CTCF、ETS和MYC為特征，盡管它們擁有不同的DAR，但ENZ誘導(dǎo)的簇6和簇7在RES-A或RES-B中并沒有顯示出TF基序的富集。值得一提的是，MYC和ESR1分別是RES-A和RES-B中所有簇中最常見的(圖2d)。這些分析表明，ENZ耐藥性與TF DNA基序軌跡的重構(gòu)有關(guān)。
恩雜魯胺耐藥性的轉(zhuǎn)錄模式由不同的染色質(zhì)重編程引起
為了研究與單細(xì)胞水平的染色質(zhì)結(jié)構(gòu)重組有關(guān)的轉(zhuǎn)錄模式，對LNCaP親本、RES-A和-B模型進(jìn)行了scRNA-seq。4個LNCaP樣本的綜合聚類(圖3a)顯示了7個持續(xù)、3個ENZ誘導(dǎo)和3個初始細(xì)胞簇，由標(biāo)記的差異表達(dá)基因集構(gòu)成(圖3b)。為了證實這些細(xì)胞亞群與ENZ抗性的其他獨立模型有關(guān)，使用標(biāo)簽轉(zhuǎn)移方法探索獨立scRNA-seq數(shù)據(jù)集中的匹配細(xì)胞群。轉(zhuǎn)移scRNA-seq簇標(biāo)簽證實了LNCaP親代和RES-C中原始簇的存在，在RES-C和LNCaP-ENZ168中證實了ENZ誘導(dǎo)簇的存在。由于大多數(shù)scATAC-seq簇的細(xì)胞比例與scRNA-seq的簇3細(xì)胞相對應(yīng)(圖3e)，這表明該簇的細(xì)胞可能代表了ENZ抗性的基因組。對VCaP細(xì)胞的分析證實了VCaP親代細(xì)胞以及VCaP-ENZ48的原始和ENZ誘導(dǎo)細(xì)胞的普遍性(圖3c)。接下來，將scRNA-seq簇與其匹配的scATAC-seq簇連接起來，再次利用標(biāo)簽轉(zhuǎn)移的方法，在相同的樣本條件下確定匹配的scRNA-seq和scATAC-seq細(xì)胞狀態(tài)。結(jié)果發(fā)現(xiàn)，一個染色質(zhì)狀態(tài)可以對應(yīng)多個轉(zhuǎn)錄狀態(tài)。通過探索scATAC-seq數(shù)據(jù)中的scRNA-seq簇，結(jié)果可以在scRNA中找到所有scATAC簇的匹配細(xì)胞狀態(tài)，其中scATAC簇中的細(xì)胞通常對應(yīng)于多個scRNA簇(圖3d-e)。總之，這些數(shù)據(jù)表明，ENZ抗性細(xì)胞的轉(zhuǎn)錄構(gòu)型，特別是在治療期間的持續(xù)細(xì)胞，是由染色質(zhì)結(jié)構(gòu)和TF介導(dǎo)的轉(zhuǎn)錄重編程驅(qū)動過程產(chǎn)生的，這些過程影響許多的細(xì)胞命運調(diào)節(jié)因子。
具有干性特征的前列腺癌細(xì)胞亞群先于恩雜魯胺耐藥
細(xì)胞周期階段可能是scRNA-seq數(shù)據(jù)整合聚類的一個重要決定因素。在Seurat中使用細(xì)胞周期評分法，持續(xù)簇8、9和11的S期和G2/M期相關(guān)基因得分很高(圖4a)，表明這些簇中的細(xì)胞循環(huán)和增殖更為活躍。然而，簇11中的細(xì)胞不僅具有細(xì)胞周期基因的特征，還參與染色質(zhì)重塑等過程(圖4b)。簇5和11顯示了一個基因集的高表達(dá)，該基因集表征了具有干細(xì)胞樣、雄激素不敏感和細(xì)胞周期驅(qū)動特征的細(xì)胞亞群(圖4c)，將這一基因特征命名為Persist。另外，在親代LNCaP的ENZ治療前，原始簇10對PC相關(guān)基因特征的評分很高，并將其命名為PROSGenesis(圖4d)。最后，將PROSGenesis和Persist基因在scRNA-seq樣品中的表達(dá)進(jìn)行了可視化，以證實這些亞群細(xì)胞在其他模型中的存在(圖4e)。
使用CytoTRACE根據(jù)表達(dá)基因的數(shù)量估計分化狀態(tài)，在大多數(shù)樣品中，簇11中的細(xì)胞顯示出高發(fā)展?jié)摿?圖4f)，表明其他細(xì)胞亞群可以從該簇的細(xì)胞中衍生出來。RNA速度分析預(yù)測簇10是恩雜魯胺誘導(dǎo)的簇前體(圖4g)。RES-A和RES-B的簇差速分析顯示，許多PC相關(guān)基因如ATAD2下調(diào)，以及UBE2T等基因的上調(diào)。另外，ATAD2和UBE2T在持續(xù)簇8、9和11中上調(diào)，這表明在ENZ誘導(dǎo)的簇中發(fā)生了額外的轉(zhuǎn)錄重編程。這些分析得出了ENZ耐藥之前兩個不同的PC細(xì)胞亞群：一個與Persist匹配的持續(xù)細(xì)胞簇(簇11)和一個與PROSGenesis匹配的原始簇(簇10)。
前列腺癌RNA測序中基因特征的表征
根據(jù)基因組變異分析，大多數(shù)持續(xù)簇和簇10顯示E2F靶點、G2M檢查點和MYC靶基因的富集，表明在RNA-seq數(shù)據(jù)中可以檢索到細(xì)胞亞群的信號。簇內(nèi)的差異表達(dá)和基因集富集分析進(jìn)一步顯示，氧化磷酸化在LNCaP-ENZ48中被上調(diào)，這一過程在RES-A中被選擇性的維持，但在RES-B細(xì)胞中未被維持。此外，在ENZ耐藥性的產(chǎn)生過程中，受活化mTORC1信號調(diào)節(jié)的基因在大多數(shù)簇中一致上調(diào)，這與之前的報道一致。大部分情況下，ENZ誘導(dǎo)的DEG選擇性地出現(xiàn)在RES-B細(xì)胞中。同樣，當(dāng)用DHT誘導(dǎo)時，持續(xù)簇只在RES-A和RES-B中與持續(xù)特征相關(guān)。另一方面，PROSGenesis特征僅在RES-B中升高(圖5)?？偟膩碚f，持續(xù)簇，原始簇，PROSGenesis和Persist基因特征具有從RNA-seq來識別前列腺癌侵襲性、再生特征的潛力。
轉(zhuǎn)錄信號富集分析識別了前列腺癌患者的治療持續(xù)細(xì)胞和預(yù)后基因特征
研究者獲得了已有研究ENZ治療CRPC患者的臨床數(shù)據(jù)，對單個基因特征的PFS分析顯示，Persist特征基因得分較高的患者與PFS較短有關(guān)(圖5c，d)，而PFS較長的患者在PROSGenesis和原始簇特征上得分高。這些數(shù)據(jù)表明，對ENZ耐藥的單細(xì)胞分析中，與持續(xù)細(xì)胞(簇11)相關(guān)的Persist特征是一個有效的分類器，可能對患者進(jìn)行分層，以確定對AR靶向治療的反應(yīng)(圖5f)。此外，研究者基于最近發(fā)表的PC相關(guān)的scRNA-seq數(shù)據(jù)集，分析顯示與成纖維細(xì)胞相比，LNCaP模型衍生細(xì)胞簇在管腔和基底/中間細(xì)胞中得分更高。此外，與基底/中間細(xì)胞和原始細(xì)胞相比，管腔細(xì)胞具有更高的與原始scRNA-seq簇相關(guān)的基因表達(dá)。然后，對來自Persist和PROSGenesis特征的基因表達(dá)細(xì)胞及其相關(guān)簇和一些對照特征進(jìn)行評分(圖6b)。在Persist特征評分較高的細(xì)胞中，約48%為管腔細(xì)胞(圖6c)。在PROSGenesis特征中得分較高的細(xì)胞大多為基底細(xì)胞/中間細(xì)胞(圖6d)。每個腫瘤平均有8%的細(xì)胞在Persist和PROSGenesis特征上得分較高(圖6e)。
為了探索這些細(xì)胞的存在和它們的相對組織病理學(xué)位置，用空間轉(zhuǎn)錄組學(xué)評估了原發(fā)性PC切片內(nèi)的基因表達(dá)(前列腺A和B)，利用聚類分析重建了基質(zhì)和上皮成分的基因表達(dá)信號，并在基質(zhì)組織(ST)、良性上皮(BE)和腺癌(PC-AC)的5個簇中注釋了組織結(jié)構(gòu)(圖6f)。PROSGenesis和Persist特征，以及伴隨模型衍生的簇10特征，與來自管家基因特征的分?jǐn)?shù)相比，在切片內(nèi)顯示出高表達(dá)分?jǐn)?shù)(圖6g)。在兩個切片中，高信號的spot分布在所有5個簇中(圖6h)。然而在前列腺A中，與ST相比，PC-AC簇中 Persist 特征得分高的spot更為普遍(圖6h)。這些數(shù)據(jù)表明，在PC患者未經(jīng)治療的原發(fā)性前列腺組織中，存在著治療的持續(xù)細(xì)胞，具有很高的轉(zhuǎn)移潛力。
最后，研究者驗證了是否能利用從這些細(xì)胞中提取的特征基因預(yù)測原發(fā)性PC患者的復(fù)發(fā)，由此獲得了原發(fā)性腫瘤TCGA PRAD(圖7a)和早發(fā)性PC ICGC RNA-seq數(shù)據(jù)。使用所有特征進(jìn)行聚類，TCGA PRAD隊列分離出54%的GS(Gleason分級)-7和15%的GS-8+患者，他們不會從額外的治療中受益，因為他們的預(yù)后相對較好(圖7b)，在ICGC隊列中也觀察到類似的趨勢。在TCGA隊列中，ENZ誘導(dǎo)的簇(圖7c)、PROSGenesis(圖7d)、Persist(圖7e)和持續(xù)簇(圖7f)基因特征是簇分離的最重要因素，而NEPC下調(diào)基因是ICGC隊列的主要決定因素。這些腫瘤中反映AR活性的特征在TCGA隊列中與較長的進(jìn)展時間相關(guān)(圖7g，h)，表明AR驅(qū)動的腫瘤對AR信號的抑制有更好的反應(yīng)。在早發(fā)性PC隊列中，與TCGA PRAD隊列相比，持續(xù)簇和PROSGenesis特征對GS-7患者進(jìn)行了顯著的分層，表明這些特征能夠進(jìn)一步確定基于GS的患者風(fēng)險分層，避免過度治療。高PROSGenesis評分與良好的預(yù)后以及來自原始簇10的基因集相關(guān)(圖7i)。在TCGA隊列中，13個簇衍生特征中有8個與PFS相關(guān)(圖7i)，表明這些特征在PC患者風(fēng)險分層中的重要作用。
參考文獻(xiàn): Single-cell ATAC and RNA sequencing reveal preexisting and persistent cells associated with prostate cancer relapse
