食管癌为何难以早期发现？其从正常上皮到恶性肿瘤的演进过程中，细胞与微环境如何“狼狈为奸”？这些问题一直困扰着临床医生与研究者。
2025年3月10日，Cancer Cell杂志发表了来自华中科技大学常江团队、中国医学科学院肿瘤医院林东昕/吴晨团队以及中国科学院生物物理研究所王晓群团队的研究成果，该研究揭示了食管鱗状细胞癌（ESCC）进展的空间进化轨迹及其微环境重塑机制。今天我们就来拆解一下这篇生信文章：Single-cell multi-stage spatial evolutional map of esophageal carcinogenesis。
研究概述
这项研究利用单细胞空间转录组学技术分析了来自43名患者的127个多阶段视野，涵盖了约640万个细胞。 研究者构建了从正常上皮到癌前病变（LGIN、HGIN）再到浸润性癌（ESCC）的连续空间演化图谱，发现了一群具有去分化和浸润特征的上皮细胞亚群。这些细胞通过JAG1-NOTCH1信号通路招募成纤维细胞，在肿瘤边缘形成了被称为“CAF-Epi”的特殊空间生态位，并通过重塑细胞外基质（ECM）构建了一道物理屏障，协助肿瘤逃避免疫监测。
实验设计
该研究收集了包括正常食管上皮（NOR）、低级别上皮内瘤变（LGIN）、高级别上皮内瘤变（HGIN）和ESCC在内的多阶段组织样本。核心实验采用了Xenium In Situ（300个基因）和TF-seqFISH（1471个基因）空间转录组平台，并整合了143个样本的单细胞RNA测序（scRNA-seq）数据进行验证。此外，研究者还通过小鼠模型（Notch1条件敲除）、类器官培养、细胞共培养、ChIP-qPCR和免疫共沉淀等实验手段，对发现的分子机制进行了功能验证。
研究结果
图1：单细胞空间转录组分析揭示了食管癌变过程中各类细胞群体在空间分布上的动态演变规律。
图2：上皮细胞亚群经历了从正常基底状态向去分化和浸润状态转化的转录演进轨迹。
图3：增殖性上皮细胞向去分化状态的转变是食管癌进展的重要分子标志。
图4：在HGIN阶段，浸润性上皮细胞开始与邻近的癌相关成纤维细胞（CAFs）结合并形成CAF-Epi生态位。
图5：上皮细胞通过JAG1-NOTCH1信号通路释放趋化因子，驱动了CAFs的募集与激活。
图6：CAF-Epi生态位诱发的细胞外基质重塑在肿瘤边缘形成了一层阻碍免疫细胞渗透的物理隔离区。
图7：基于空间生态位特征构建的“CAF-Epi-Immune”风险评分系统能够有效跨癌种预测多种鱗状细胞癌的临床进展及预后状况。
数据分析
生信分析
本研究涉及的组学技术包括空间转录组（Xenium In Situ、TF-seqFISH）和单细胞转录组（scRNA-seq）。
分析流程
1.预处理与质控：先使用Xenium Ranger进行原始数据处理，再通过Seurat包完成标准化（SCTransform）和降维。
2.批次校正与聚类：采用scVI算法移除不同样本间的批次效应，然后利用Leiden算法定义细胞聚类。
3.空间分析：通过Alpha-shape方法量化上皮厚度及细胞间的相对距离，接着分析基因表达随空间位置的变化趋势。
4.功能分析：运用GSVA算法计算Hallmark通路活性，并结合随机森林预测模型来构建去分化评分。
5.细胞邻域与通讯分析：先运用K-means聚类识别细胞邻域（Cellular Neighborhood），再利用CellChat和LIANA+框架解析配体-受体介导的细胞间通讯。
6.预后模型构建：结合LASSO Cox回归分析，从而从候选基因中筛选出26个基因构建“CAF-Epi-Immune”风险预测模型。
统计分析
研究采用Kruskal-Wallis检验评估多组间细胞密度及评分的差异，并辅以Dunn’s post hoc测试进行两两比较。空间表达趋势通过Mann-Kendall趋势检验进行验证。生存分析采用Kaplan-Meier法绘制生存曲线，并使用Log-rank检验比较组间差异，Cox回归模型用于计算风险比（HR）。
总结
研究意义
本研究首次构建了ESCC多阶段单细胞空间演化图谱，阐明了JAG1-NOTCH1信号驱动CAF-Epi niche形成的关键机制，揭示了鳞状细胞癌免疫逃逸的共性规律。提出的“CAF-Epi-Immune”评分可为ESCC早期诊断、预后评估提供新工具，为靶向肿瘤微环境的治疗策略开发奠定基础。
（二）文章复现
这篇文章的原始数据和生信分析代码都公开了，非常全面。
• 原始数据：
• GSA：HRA000776、PRJCA000354
• GEO：GSE160269、GSE53625
• ProteomeXchange Consortium：PXD038961
• TCGA数据库：https://www.genome.gov/Funded-Programs-Projects/Cancer-Genome-Atlas
• 生信分析代码仓库：https://github.com/PansccSpat/SpatialMapESCC
推荐阅读
中国银河生信云平台（UseGalaxy.cn）致力于零代码生信分析。平台拥有海量计算资源、3000 多个生信工具和数十条生信流程，并且为用户提供 200G 免费存储空间。进群交流请先加 usegalaxy 为好友。
最佳Galaxy生信云平台教程：从入门到精通（图文版）
转录组分析流程和工具大全（最强总结）
全网最佳WGCNA分析教程，一键完成
一文搞懂GSEA富集分析
一文详解细菌耐药性生信分析:从下机数据到耐药基因鉴定
一文学会从测序数据到构建系统发育树：超全面的详细步骤与软件指南
推荐课程
我们还为进阶用户提供高质量培训课程，欢迎参加：
RNA-seq数据分析实战 | 2026年第2期，开启你的生信学习之旅
)
