化疗耐药是提高骨肉瘤（OS）生存率的主要障碍，然而可靠的预测生物标志物仍然有限。在此，研究人员通过加权基因共表达网络分析（WGCNA）对化疗耐药和敏感的OS转录组进行了分析，开发并验证了一个13基因特征。该风险模型在四个独立队列（TARGET-OS、GSE21257、GSE16091和GSE39055）中显示出稳健的预后价值。多尺度分析揭示，高风险肿瘤表现出增殖性过度激活、基因组不稳定性伴随肿瘤突变负荷（TMB）升高，以及尽管高突变负荷却出现矛盾的免疫冷表型。单细胞和空间转录组学显示，高风险恶性细胞呈现去分化、干细胞样特性，优先定位于缺氧坏死周边，并参与广泛的肿瘤-基质对话。药物敏感性预测证实了对一线化疗药物的耐药性。总之，这些发现建立了一个临床可操作的13基因生物标志物，并提供了一个将转录谱与化疗耐药生物学联系起来的机制框架，揭示了OS中新的治疗脆弱性。
骨肉瘤（Osteosarcoma, OS）是一种源于原始间充质干细胞的高度恶性肿瘤，好发于儿童和青少年，其标准一线治疗包括以甲氨蝶呤、多柔比星和顺铂（MAP方案）为基础的新辅助化疗联合广泛手术切除，但约30%–40%患者出现原发性或获得性化疗耐药，导致5年总生存率从60%–70%急剧下降至不足20%。目前，传统解剖学临床分期在预测个体化药物反应和生存结局方面存在严重局限性，现有预后模型多局限于单个基因表达，缺乏针对化疗耐药相关特异性共表达网络的系统性探索，且整合转录组与基因组变异以全面解析耐药分子驱动力的研究较少。此外，骨肉瘤免疫微环境（Tumor Microenvironment, TME）通常表现为免疫冷肿瘤表型，与化疗耐药存在密切交互作用。因此，迫切需要构建能够早期预测化疗反应、指导分层治疗的稳健生物标志物模型。
研究人员开展了以下研究：收集本中心11例骨肉瘤样本（按RECIST标准分为化疗耐药组与敏感组），进行转录组测序（Illumina NovaSeq 6000平台）及差异基因表达分析，获得1752个差异表达基因（Differentially Expressed Genes, DEGs）。通过与公共数据库（TARGET-OS、GSE21257、GSE16091、GSE39055）中单变量Cox回归筛选的1974个预后相关基因取交集，得到110个重叠基因。利用加权基因共表达网络分析（Weighted Gene Coexpression Network Analysis, WGCNA）识别出与复发和死亡最相关的灰色模块，包含13个关键基因，据此构建13基因特征风险评分模型。该模型在多个独立队列中验证了稳健的预后价值。进一步，研究人员分析了不同风险亚组的功能富集、体细胞突变谱（maftools）、肿瘤突变负荷（Tumor Mutation Burden, TMB）、药物敏感性（基于GDSC数据库的pRRophetic包预测IC
50）、免疫浸润（CIBERSORT）及免疫逃逸（TIDE算法）。引入单细胞RNA测序（scRNA-seq）数据集GSE162454和GSE152048（共17个样本97,864个细胞），通过Seurat包、Harmony校正、Monocle2伪时间轨迹和CellChat细胞间通讯分析，解析13基因特征的细胞来源与功能特征。最后，利用公开空间转录组学数据（含H&E染色切片），通过RCTD反卷积和UCell评分，在空间层面验证该特征。
主要技术方法包括：转录组测序（本中心11例样本）、WGCNA筛选核心基因、Cox回归构建风险模型、公共数据集（TARGET-OS、GSE21257、GSE16091、GSE39055）验证、CIBERSORT免疫浸润分析、TIDE免疫逃逸预测、单细胞RNA测序（Seurat包，Harmony校正，Monocle2伪时间，CellChat通讯分析）以及空间转录组学（RCTD反卷积，UCell评分）。样本队列来源：本中心11例，TARGET-OS 67例，GSE21257 53例，GSE16091和GSE39055若干例，单细胞数据集GSE162454和GSE152048共17个样本。
研究结果保留以下小标题：
### 3.1 化疗耐药相关候选基因的鉴定
通过本中心11例样本的转录组测序差异表达分析，获得1752个DEGs；与公共数据库预后相关基因取交集后获得110个重叠基因；WGCNA识别灰色模块与复发（r=0.47）和死亡（r=0.63）最强正相关，包含13个关键基因，用于构建风险模型。
### 3.2 多队列验证13基因特征的预后预测能力
在TARGET-OS（n=67）、GSE21257（n=53）、GSE16091和GSE39055队列中，高风险组总生存显著低于低风险组（log-rank p<0.0001, p=7e-04），且耐药组风险评分显著高于敏感组（p=0.0061），证实该模型在不同数据集中具有稳健的预后价值。
### 3.3 不同风险亚组的生物学功能、基因组突变景观和免疫特征
功能富集分析显示，高风险组上调基因富集于细胞周期、染色体分离、DNA复制及p53信号通路，提示增殖过度激活。基因组分析显示高风险组TP53和MUC16突变频率更高，TMB显著升高（p<0.05），表明基因组不稳定性。药物敏感性预测证实高风险组对多柔比星、甲氨蝶呤等一线化疗药物耐药（IC
50升高）。免疫分析显示高风险组TIDE评分显著升高，免疫细胞浸润模式呈现抑制性免疫微环境和免疫冷肿瘤表型。
### 3.4 13基因特征的单细胞转录组异质性和功能特征
在97,864个细胞中鉴定出OS细胞、增殖OS细胞、成纤维细胞、TAMs等主要细胞群。13基因特征评分在增殖OS细胞、OS细胞和成纤维细胞中显著升高。多算法通路分析显示高风险细胞富集于增殖、转移、侵袭、细胞周期、血管生成、代谢重编程（MYC靶点、mTORC1信号、PI3K-AKT-mTOR）、炎症调控（TNFα-NFκB）和缺氧反应等恶性通路。差异基因SPP1、MMP13、SERPINE1等主要参与细胞外基质重塑和TME调控。
### 3.5 与13基因特征相关的分化状态和细胞-细胞通讯模式
伪时间轨迹分析显示高风险细胞处于较晚分化阶段，伪时间值显著高于低风险细胞（p<0.001），提示去分化或干细胞样特性。细胞间通讯分析表明高风险样本拥有更多配体-受体对，通讯网络更广泛但更分散，涉及细胞外基质重塑、生长因子信号和免疫调节通路，反映肿瘤-基质对话增强。
### 3.6 化疗耐药骨肉瘤中13基因特征的空间转录组验证
空间转录组学显示，高风险OS细胞主要定位于缺氧坏死周边区域，与单核细胞共定位。无监督聚类识别出9个空间簇，其中簇6和8（坏死周边）显示高风险特征和高13基因特征评分，簇2（远离坏死区）为低风险特征。药物敏感性分析证实高风险簇对顺铂、表柔比星、环磷酰胺、吉西他滨、多西他赛和伊立替康的预测IC
50值均显著升高，在空间水平确认了化疗耐药。
讨论部分总结了该研究的意义与局限性：13基因特征将化疗耐药预测与预后分层相结合，通过多组学整合揭示了高风险疾病的增殖过度激活、基因组不稳定性、免疫抑制微环境重塑和肿瘤-基质共生等生物学基础，为理解骨肉瘤化疗耐药提供了机制框架，并指出了基质调节和免疫微环境重编程等可干预治疗靶点。局限包括回顾性设计、样本量有限，需前瞻性大样本验证，具体分子机制需进一步功能实验验证。研究结论翻译如下：总之，研究人员开发并验证了一个13基因预后特征，可稳健预测骨肉瘤的化疗反应和生存。通过跨批量转录组学、单细胞分析和空间转录组学的多尺度整合分析，研究人员阐明了高风险疾病的生物学基础：增殖性过度激活、基因组不稳定性、免疫抑制微环境重塑和肿瘤-基质共生。这些发现为理解骨肉瘤化疗耐药提供了机制框架，并确定了可干预的治疗靶点，包括基质调节和免疫微环境重编程。该13基因特征代表了一种有前景的精准医学工具，有望改变这种难治性恶性肿瘤的风险分层和治疗决策，最终改善目前对标准治疗方案无效的大量患者的预后。
