结直肠癌（colorectal cancer，CRC）是全球第三大常见恶性肿瘤，在癌症相关死亡原因中排第2位，严重威胁公共卫生^［1］。全球癌症统计数据显示，2020年全球新发CRC约193万例，死亡约94万例^［2-3］。据美国癌症协会（American Cancer Society，ACS）统计，2024年美国预计新发CRC 152 810例，死亡53 010例；2025年预计新发病例约154 270例，死亡52 900例，且2025年全球病例持续高位。我国CRC发病率与死亡率均呈上升趋势，已成消化系统恶性肿瘤重要组成。随着人口老龄化加剧、饮食结构改变以及生活方式的转变，预计疾病负担将进一步加重。尽管外科手术、化疗、放疗及靶向治疗等取得显著进展，但CRC患者总体5年生存率仍待提升，晚期预后尤差^［4-5］。

ATP结合盒转运蛋白A7（ATP-binding cassette subfamily A member 7，ABCA7）基因位于人类染色体19p13.3区域，编码由2 146个氨基酸组成的跨膜转运蛋白，属ABC转运蛋白超家族A亚家族，含2个跨膜结构域和2个核苷酸结合结构域^［6-8］。该蛋白主要参与细胞膜脂质代谢、胆固醇外排及细胞膜稳态维持等。近年研究^［9-10］结果表明ABCA7基因在多类肿瘤中作用关键，其异常表达与乳腺癌侵袭转移密切相关；肺癌研究^［11］发现该基因可能通过调节细胞凋亡和药物耐受性影响肿瘤进展；胃癌研究^［12］也提示其参与肿瘤微环境重塑及免疫逃逸。然而，尽管ABCA7在多种恶性肿瘤中的作用已有报道，但其在CRC中的表达模式以及临床意义未被系统性阐述，这一空白限制了对CRC分子机制的全面理解。传统转录组学研究虽然能够提供基因表达的定量信息，但

缺乏空间位置信息，难以揭示基因在组织微环境中的空间表达模式。空间转录组学技术为肿瘤研究带来革新，可在保持组织形态结构完整性的同时，获得基因表达的空间分布信息，为解析肿瘤异质性与微环境特征提供支撑^［13-14］。

10x Genomics Visium空间转录组测序平台是当前先进空间转录组技术之一，可通过载玻片位置特异性条形码寡核苷酸探针，实现转录组与空间位置精准对应^［15］，既能识别肿瘤空间异质性，又能解析肿瘤与微环境的相互作用，结合单细胞转录组学可精准识别细胞类型分子特征与功能状态，为肿瘤机制研究提供技术支撑。

基于上述背景，本研究拟整合多组学分析，系统性阐述ABCA7在CRC中的表达特征、空间分布、生物学功能及预后价值。采用肿瘤免疫单细胞数据库（Tumor Immune Single-cell Hub，TISCH）数据，深入分析ABCA7在CRC不同细胞亚群中的表达模式；利用10x Genomics Visium空间转录组数据，探索其在肿瘤组织不同解剖区域的空间表达梯度；结合癌症基因组图谱（The Cancer Genome Atlas，TCGA）数据库的大样本临床数据，评估ABCA7的预后预测价值；通过成簇规律间隔短回文重复序列（clustered regularly interspaced short palindromic repeats，CRISPR），阐明其在CRC细胞增殖中的作用机制。通过这一系列综合性分析，本研究期望能够填补ABCA7在CRC研究中的知识空白，为CRC的精准诊断、预后评估和个体化治疗提供新分子标志物，奠定转化医学研究基础。

单细胞转录组数据来源于TISCH数据库中的CRC相关数据集以及基因表达综合（Gene Expression Omnibus，GEO）数据库中的GSE201348数据集；其中GSE201348数据集来源于美国的结直肠癌研究项目（CRC-101），包含样本CRC-101-04-1A肿瘤组织的4 351个高质量单细胞转录组数据^［1］。空间转录组数据来源于GEO数据库的GSM8594571切片样本和已发表的CRC样本^［16］，基于10x Genomics Visium平台生成。预后和表达信息分析数据来源于TCGA数据库中的TCGA-COAD和TCGA-READ项目，采用STAR流程处理的RNAseq数据，提取转录本每百万次映射读数（transcripts per million，TPM）格式的基因表达数据及相应临床预后信息。ABCA7免疫组化表达分析数据基于人蛋白质图谱计划（The Human Protein Atlas，THPA）在线数据库。转录因子敲除数据来自GEO数据库的GSE176756（NKRF敲除）和GSE69155（ZBTB33敲除）数据集。

对单细胞转录组数据采用严格的细胞过滤标准：剔除线粒体基因表达比例>10%的细胞、基因表达数<200或>6000的细胞，以及UMI计数<1000的低质量细胞。空间转录组数据进行以下质控步骤：① 过滤低质量空间点（spot），剔除检测基因数<500或UMI计数<1000的点。② 通过组织切片H&E染色图像检查，确保空间点与组织解剖区域准确对应。③ 使用SpaceRanger（v1.3.0）进行数据预处理，剔除背景噪声和批次效应。预后分析数据预处理阶段，剔除正常组织样本和缺乏完整临床信息的样本，对基因表达数据进行log₂（value+1）标准化转换。TCGA-COAD项目的RNA测序数据过滤掉正常样本，仅保留肿瘤样本，对基因表达数据进行log₂（value+1）转换。

使用Seurat包（v4.1.0）进行细胞聚类分析和细胞类型识别，系统评估ABCA7在肿瘤细胞、免疫细胞、基质细胞等关键细胞亚群中的表达水平。对GSE201348数据集的单细胞RNA测序数据进行质量控制、标准化和降维聚类分析后，使用InferCNV算法通过检测染色体拷贝数变异来识别恶性细胞，结合结直肠癌细胞特异性标志基因的表达模式进一步验证和鉴定恶性上皮细胞亚群。

对空间转录组数据经质控后，通过基于BayesSpace（v1.8.0）的空间聚类分析和基因表达热图可视化技术，分析ABCA7在肿瘤核心区、边缘区、基质区及正常邻近组织中的空间表达梯度分布特征。

基于R语言分析平台，本研究采用比例风险回归模型（proportional hazards model，Cox模型）对CRC患者的多种生存指标进行了深入的预后分析，包括总生存期（overall survival，OS）、疾病特异性生存期（disease specific survival，DSS）和无进展生存期（progress free interval，PFI）。针对ABCA7、转录因子锌指BTB结构域蛋白33（zinc finger BTB domain-containing protein 33，ZBTB33）和核因子κB抑制因子（nuclear factor-κB-repressing factor，NKRF）基因的预后分析，采用R语言survival包（v3.3.1）进行比例风险假设检验，以确保Cox模型的适用性。具体而言，通过schoenfeld残差检验评估各基因表达及其他协变量是否满足比例风险假设，检验结果显示各变量P值均>0.05，表明未违反假设，模型适用。随后，构建多变量Cox模型，纳入ABCA7、ZBTB33和NKRF表达水平（经log₂标准化后的TPM值）及临床变量作为候选协变量。为筛选显著变量，采用基于赤池信息准则（Akaike information criterion，AIC）的逐步回归法筛选显著变量，最终模型保留各基因表达作为独立预后因子，评估其对患者生存预后的预测价值。为实现最佳风险分层，利用survminer包（v0.4.9）的surv_cutpoint函数，通过最大化log-rank统计量，确定各基因表达的最佳截断值，据此将患者精准划分为高风险组和低风险组。分组后，log-rank检验显示2组在OS、DSS和PFI上的生存差异是否具有统计学意义，为后续预后分析提供了可靠基础。最终通过survminer和ggplot2包（版本3.4.4）对生存分析结果进行专业化可视化展示，包括Kaplan-Meier生存曲线、风险评分分布图和受试者操作特征（receiver operating characteristic，ROC）曲线等，为CRC患者的个体化预后评估和精准治疗决策提供重要的分子生物学依据。

基于THPA在线数据库进行ABCA7在结直肠癌中的免疫组化数据分析。该数据库采用标准化的免疫组化检测方法，使用HPA041564抗体对大规模临床样本进行系统性检测。通过访问THPA官方网站（www.proteinatlas.org）检索ABCA7蛋白在结直肠癌组织中的表达模式，数据库提供了包括正常结肠组织、结直肠腺癌等不同病理类型的免疫组化染色图像，每个样本均经过严格的质量控制和标准化处理，染色强度按照阴性（negative）、弱阳性（weak）、中度阳性（moderate）、强阳性（strong）4个等级进行分类，同时提供ABCA7蛋白表达的亚细胞定位信息（细胞核、细胞质、细胞膜等）。所有数据均可免费获取并支持批量下载，研究者可结合临床信息和基因表达数据进行综合分析，以探索ABCA7蛋白表达在结直肠癌中的分布特征和表达模式。

为深入探究ABCA7基因在CRC细胞中的生物学功能，本研究采用CRISPR敲除筛选技术通过CERES算法计算依赖性得分，精确评估ABCA7在不同CRC细胞系中的功能重要性。负依赖性得分表明敲除ABCA7会显著阻碍细胞生长，提示该基因对细胞增殖具有促进作用且为细胞生存所必需^［17］。相反，正依赖性得分则意味着敲除ABCA7会促进细胞生长，表明该基因具有潜在的肿瘤抑制功能。

选择ABCA7基因（ENSG00000131269.19）作为目标分子，使用R软件（版本4.2.1）采用Pearson相关系数分析ABCA7基因与转录组中所有其他基因的表达相关性。采用Benjamini-Hochberg（BH）方法对P值进行校正，筛选标准设定为：相关系数r>0.7且校正后P<0.05的基因作为与ABCA7高度相关的共表达基因。

基于Cistrome数据库（http：//cistrome.org/db/#/）进行转录因子结合位点预测分析。该数据库整合了多种细胞系的ChIP-seq数据，包括人类K562红细胞样细胞（骨髓来源）和HCT-116结肠癌细胞系的转录因子结合数据。参考DAVIS等^［18］在Nucleic Acids Research发表的NKRF转录因子数据以及GERTZ等^［19］2013年发表的ZBTB33转录因子数据，对不同批次的数据进行质量控制和标准化处理。根据转录因子与目标基因结合位点的预测评分，设定score>0.3作为转录因子靶基因的筛选阈值，该阈值基于ChIP-seq信号强度和结合位点保守性综合评估确定。

为探究转录因子NKRF和ZBTB33对ABCA7基因表达的调控作用，本研究采用基因敲除策略结合转录组学分析方法。首先，本研究从GEO数据库获取了2个独立的转录因子敲除数据集：GSE176756（NKRF敲除）和GSE69155（ZBTB33敲除）。通过对比分析野生型对照组与相应转录因子敲除组的转录组数据，系统性评估NKRF和ZBTB33缺失对ABCA7 mRNA表达水平的影响。

采用SPSS软件进行统计学分析。定量数据不符合正态分布的，采用M（Q₁，Q₃）表示，且使用Wilcoxon秩和检验评估ABCA7基因表达的组间差异。定性数据则使用χ²检验进行分析。所有统计分析均采用双侧检验。P<0.05表示差异具有统计学意义。

使用pROC包绘制ROC曲线，并计算曲线下面积（area under the curve，AUC）值来评估ABCA7表达水平的诊断效能，AUC值越接近1表明诊断性能越优。所有统计分析均在R软件环境中完成，确保结果的可重复性和可靠性。

ABCA7在CRC组织中表现出显著的高表达特征。单细胞转录组分析显示，ABCA7基因在恶性细胞中表达水平明显升高（图1A）。除此之外ABCA7在样本CRC-101-04-1A肿瘤组织CRC恶性细胞中高表达（图1B~D），并且确定恶性细胞具有二倍体突变、具备肿瘤细胞的特质，以及相关CRC细胞标志物在恶性细胞中高表达（图1E、F）。进一步分析发现，ABCA7在MKi-67高表达的CRC组织中同样呈现高表达趋势（图2A~C），提示其可能与肿瘤细胞的增殖活性密切相关。在第2组切片中ABCA7同样显示高表达的状态（图2D、E）。

转录组水平的差异表达分析证实了上述发现。通过比较肿瘤组织与正常组织的ABCA7 mRNA表达水平，发现肿瘤组织中该基因表达显著上调（P<0.05）。在正常组织样本中（n=51），ABCA7表达的M（Q₁，Q₃）为2.602（2.221，2.929），均值为2.524±0.533，表达范围为1.226~3.367。而在肿瘤组织样本中（n=647），ABCA7表达的M（Q₁，Q₃）为2.949（2.510，3.495），四分位距为0.985，均值为3.003±0.761，表达范围为0.683~5.828，显示出更高的表达水平和更大的表达变异性。ROC曲线分析进一步评估了ABCA7的诊断价值，结果显示该基因具有良好的诊断效能，AUC=0.686（95%CI 0.626~0.747），表明ABCA7在CRC诊断中具有一定的临床应用潜力（图3A、B）。并且进一步发现敲除ABCA7后CRC相关细胞受到抑制（图3C）。

为验证ABCA7在CRC细胞增殖中的功能作用，敲除ABCA7基因后，多种CRC细胞系的增殖能力受到显著抑制，包括C75、CL11等细胞系（图3C）。提示ABCA7在维持CRC细胞的增殖活性和生存能力中发挥关键作用，进一步证实了其作为潜在治疗靶点的价值。并且进一步发现免疫组化染色显示ABCA7（抗体：HPA041564）在CRC组织中高表达（图4A、B）。

基于Kaplan-Meier生存分析的预后评估结果显示，根据ABCA7基因表达的最佳截断值（通过survminer包surv_cutpoint函数最大化log-rank统计量确定），将患者分为高表达组和低表达组后，高表达组患者在3个关键预后指标上均表现出显著较差的生存预后。具体而言，在OS分析中，ABCA7高表达组患者的死亡风险是低表达组的1.77倍（HR=1.77，95%CI 1.24~2.52，P=0.002）；在疾病DSS分析中，高表达组的疾病相关死亡风险增加了2.07倍（HR=2.07，95%CI 1.30~3.30，P=0.002）；而在PFI分析中，高表达组患者疾病进展的风险是低表达组的1.56倍（HR=1.56，95%CI 1.15~2.13，P=0.005）（图5）。log-rank检验显示2组在OS、DSS和PFI上的生存差异均具有统计学意义，表明分组效果良好。

通过Pearson相关性分析，我们识别出与ABCA7基因显著共表达的基因集合（相关系数r>0.7，校正后P<0.05），其中ZBTB33和NKRF等转录调控因子表现出与ABCA7的高度正相关性（图6A）。差异表达分析显示，ZBTB33和NKRF在CRC肿瘤组织中均呈现显著上调表达（P<0.001），其表达水平［log₂（TPM+1）］显著高于正常结肠组织，与ABCA7的表达模式具有一致性（图6B）。基于ZBTB33和NKRF基因表达的最佳截断值（通过survminer包surv_cutpoint函数最大化log-rank统计量确定），将患者分为高表达组和低表达组后，Kaplan-Meier生存分析显示，NKRF高表达组患者的总生存期相对较短（HR=1.14，95%CI 0.77~1.68，P=0.517），而ZBTB33高表达组患者显示出更好的生存趋势（HR=0.80，95%CI 0.54~1.18，P=0.263），但均未达到统计学显著性（图6C）。进一步敲除相关转录因子发现ABCA7表达下调（P<0.001）（图6D）。基于ENCODE数据库ChIP-seq数据的综合分析显示，ZBTB33和NKRF转录因子能够直接结合到ABCA7基因的调控区域，其结合信号在多个细胞系中表现出明显的结合峰（图7）。整合组蛋白修饰标记和DNase I超敏位点数据发现，ABCA7基因启动子和增强子区域存在活跃的转录调控信号，ZBTB33和NKRF的结合位点与开放染色质区域高度重叠，且结合评分均超过0.3的阈值标准，符合功能性转录因子结合位点的特征。这些结果表明，ZBTB33和NKRF作为转录调控因子，通过直接结合ABCA7基因的顺式调控元件参与其转录激活过程，为观察到的共表达关系提供了分子机制基础，揭示了在CRC中这些基因通过转录调控网络协同发挥生物学功能，构建了ABCA7相关的转录调控轴，为理解CRC的分子机制和开发靶向治疗策略提供了重要线索。

本研究首次运用空间转录组学技术系统性阐述了ABCA7基因在CRC中的表达特征和临床意义，为深入理解该基因在肿瘤发生发展中的作用机制提供了重要的科学依据。本研究的研究结果表明，ABCA7在CRC中显著高表达，与肿瘤细胞增殖密切相关，并且是患者不良预后的独立预测因子。ABCA7作为ATP结合盒转运蛋白，可能通过调控细胞膜脂质代谢和胆固醇外排，影响关键信号通路的活性，进而促进肿瘤细胞增殖。例如，ABCA7可能通过调节膜脂微环境^［20］，激活PI3K/AKT^［21-22］信号通路，该通路在CRC中被广泛报道与细胞增殖和抗凋亡相关。此外，ABCA7可能通过调控胆固醇稳态，间接上调固醇调节元件结合蛋白2（sterol regulatory element-binding protein 2，SREBP2）的活性，SREBP2可诱导脂质合成相关基因表达，增强肿瘤细胞的代谢适应性，促进增殖^［23］。CRISPR敲除技术的应用进一步证实，敲除ABCA7显著抑制C75、CL11等CRC细胞系的增殖，提示其可能通过维持膜脂环境稳定，调控c-Myc^［24］等增殖相关转录因子的表达或活性。

除此之外，本研究的空间转录组分析首次揭示了ABCA7在CRC组织中的空间表达梯度，这一发现具有重要的生物学意义。ABCA7在肿瘤核心区的高表达可能反映了该区域肿瘤细胞的高度恶性特征，而在肿瘤边缘区的表达模式则可能与肿瘤侵袭前沿的生物学行为相关。基于这一发现，本研究提出“肿瘤空间功能分区”的概念，即同一基因在肿瘤组织的不同空间位置可能承担不同的生物学功能，这一概念为本研究重新认识肿瘤生物学提供了新的视角^［25-26］。具体而言，空间转录组分析揭示ABCA7在肿瘤核心区高表达，可能通过调控脂质代谢^［27］和胆固醇^［28］外排，促进肿瘤细胞的增殖和代谢活性，增强恶性表型；在肿瘤边缘区，ABCA7的表达可能与肿瘤侵袭和迁移相关，介导上皮-间质转化过程，增强肿瘤细胞的侵袭能力；在基质区，ABCA7可能通过调节肿瘤微环境中基质细胞的脂质稳态，影响免疫细胞（如T细胞和巨噬细胞）的募集和功能^［29］，进而塑造免疫抑制微环境。这些区域特异性作用机制表明，ABCA7通过空间异质性调控肿瘤微环境的动态平衡，为精准靶向治疗提供了潜在靶点。

ABCA7的预后预测价值为CRC的个体化治疗提供了新的分子标志物。本研究的生存分析显示，ABCA7高表达与患者生存预后显著相关，该基因可以作为风险分层的重要指标。高低表达组之间的生存差异可能源于ABCA7通过激活Wnt/β-catenin信号等通路^［30］，Wnt/β-catenin通路在CRC中的异常激活是导致不良预后的重要机制之一^［31］。基于ABCA7表达水平，临床医生可以更精确地识别高危患者群体，制定相应的治疗策略。更重要的是，ABCA7作为膜转运蛋白，具有成为治疗靶点的潜力，开发针对ABCA7的特异性抑制剂可能为CRC治疗提供新的选择。ABCA7高表达与CRC预后不良的机制可能在于其通过调控膜脂质代谢和胆固醇外排，激活Wnt/β-catenin通路^［30-31］，增强β-catenin核转位，上调c-Myc和Cyclin D1表达，促进肿瘤细胞增殖和侵袭，进而导致OS、DSS和PFI显著缩短（HR分别为1.77、2.07和1.56，P<0.01）。此外，ABCA7可能与APC基因（Wnt通路关键负调控因子）相互作用，高表达的ABCA7可能通过膜脂环境改变抑制APC功能^［32］，进一步加剧Wnt通路异常激活；同时，ABCA7可能与EGFR通路协同作用^［33］，增强肿瘤细胞的增殖信号，为联合靶向治疗提供了新思路。

在此基础上，本研究还提示ABCA7的转录激活可能受到特定转录因子的精细调控，尤其是ZBTB33和NKRF的共表达关系和调控潜力，揭示了肿瘤细胞内复杂的转录网络对脂质代谢基因表达的统筹控制。这种多层次的调控模式并非孤立的现象。已有研究发现，ZBTB33（也称Kaiso）可通过与DNA甲基化状态交互^［34］，调节多种癌症相关基因的转录活性。PIERRE等^［35］曾报道Kaiso在结直肠癌中调控Wnt/β-catenin信号下游靶基因的表达，影响细胞增殖和分化。同样，NKRF作为NF-κB信号的抑制调控因子，早在2022年被ZHUO等^［36］证实可直接结合靶基因启动子区抑制炎症相关基因的表达，这提示其在肿瘤微环境免疫调控中的潜在角色。结合本研究的空间转录组和ChIP-seq数据结果，这些转录因子在ABCA7启动子和增强子区的结合位点与染色质开放区域和活跃修饰标记高度一致，支持它们可能直接驱动ABCA7的表达上调。类似的机制在脂质代谢基因的转录调控中已有报道。如SREBP2通过结合脂质代谢基因启动子区调控胆固醇合成酶表达^［37］，从而满足肿瘤细胞的高代谢需求。因此，ZBTB33/NKRF-ABCA7转录调控轴不仅可能在CRC中驱动脂质代谢重编程，还可能作为未来多靶点治疗和转录因子干预策略的重要理论基础。

基于本研究结果，我们提出了ABCA7作为CRC潜在分子标志物的研究前景。空间转录组和单细胞转录组分析揭示了ABCA7在肿瘤组织和恶性细胞中的高表达及空间分布特征，提示其可能参与调控CRC的空间异质性和增殖活性。此外，基于多组学数据库的整合分析，我们发现ABCA7与转录因子ZBTB33和NKRF存在协同高表达和潜在的转录调控关系，构建了一个可能的ABCA7调控网络，为理解其表达上调的分子机制提供了线索。

尽管本研究利用多组学公开数据获得了系统性发现，但仍存在局限。分析结果主要来源于数据库挖掘和体外表达数据，缺乏更多体内功能验证。未来研究需要扩大空间转录组样本量，结合动物模型和功能实验深入阐明ABCA7在CRC发生发展中的作用机制，并探索其与关键转录因子的交互调控对肿瘤生物学行为的影响。此外，还需进一步评估ABCA7作为诊断、预后或治疗靶点的临床应用潜力。