多模态AI与单细胞转录组整合构建膀胱癌组织病理预后模型，揭示RTN3-糖酵解轴在化疗耐药中的作用
核心概要
该研究整合六个公共单细胞RNA测序数据集，用inferCNV推断单细胞水平拷贝数变异并识别高CNV（HCNV）恶性亚群，以HCNV活性为生物学锚点构建基于常规H&E染色切片的深度学习多模态AI预后模型，并通过多组学筛选与体内外实验确定RTN3为核心驱动基因，证明RTN3经JAK2/STAT3通路转录上调PKM2、GLUT1、LDHA等糖酵解酶，驱动糖酵解代谢重编程并介导膀胱癌吉西他滨耐药。
深度剖析
在单细胞水平识别出以高拷贝数变异（HCNV）为特征的膀胱癌恶性亚群，该亚群表现为TGF-β、JAK-STAT、PI3K等致癌通路广泛激活，并与癌症相关成纤维细胞和M2巨噬细胞等肿瘤微环境成分活跃通讯，且与患者不良预后相关。 此前单细胞水平CNV异质性与常规病理诊断所依赖的组织形态学特征之间的关系尚不清楚，该工作将HCNV活性作为连接分子异质性与病理形态的生物学锚点。 基于六个公共scRNA-seq数据集作为发现队列，采用inferCNV算法推断单细胞CNV，属于计算推断与关联性证据。
构建了基于常规H&E染色病理切片的多模态AI预后模型，可有效预测患者生存，且模型衍生风险评分与转录组HCNV活性呈显著但中等强度的相关。 将深度学习与图像分析结合，并以HCNV活性指导病理特征选择，使分子层面的异质性信息可经由临床常规切片进行转化应用。 模型预测效能与相关性均来自该研究的建模与验证分析，文中以'显著但中等'描述该相关性强度。
通过多算法特征选择确定RTN3为驱动HCNV表型的核心基因，并证明RTN3既塑造免疫抑制微环境，又直接介导吉西他滨耐药。 将HCNV表型收敛到具体可干预的分子靶点，为化疗耐药提供候选治疗靶标。 结合多组学数据筛选与膀胱癌细胞系的体外、体内功能实验验证。
机制上，RTN3激活JAK2/STAT3信号通路，转录上调PKM2、GLUT1和LDHA等关键糖酵解酶，驱动糖酵解代谢重编程，最终导致膀胱肿瘤吉西他滨耐药，从而确立RTN3/JAK2/STAT3/糖酵解轴为耐药的关键机制。 把HCNV相关恶性表型与代谢重编程及化疗耐药机制串联为一条可检验的通路。 机制结论由体外与体内功能实验支持，属于实验性机制证据。
启示与展望
该工作面向膀胱癌的预后评估与化疗耐药机制研究：对研究者而言，它提供了以HCNV活性为锚点的单细胞-病理整合分析框架和RTN3/JAK2/STAT3/糖酵解这一可继续验证的机制线索；对临床转化而言，其多模态AI模型建立在常规H&E染色切片之上，适用于希望利用现有病理资源进行风险分层的场景。结果主要基于公共单细胞数据集、多组学筛选与膀胱癌细胞系的体外和体内实验，其适用设定应理解为该研究界定的膀胱癌队列与实验体系。
读者仍可留意：模型风险评分与转录组HCNV活性之间为显著但中等强度的相关，这一相关强度对模型作为HCNV替代指标的解释空间值得进一步观察；HCNV亚群与微环境通讯的推断依赖计算算法，其生物学含义有待更多实验支持；RTN3/JAK2/STAT3/糖酵解轴的验证主要来自膀胱癌细胞系实验，向患者肿瘤与临床耐药的推广仍是开放问题。此外，本次可获取的文本为概要性内容，缺少图表与具体统计细节，若需评估模型性能与实验效应的具体量级，应查阅原文的图表与补充材料。