《Endocrine Metabolic & Immune Disorders - Drug Targets》：Determination of Nitrogen Metabolism-Related Prognostic Signatures for Forecasting Bladder Cancer Prognosis
编辑推荐：
本研究针对膀胱癌预后评估缺乏有效生物标志物的问题，通过整合多组学数据与机器学习方法，构建了基于23个氮代谢相关基因的预后风险模型（Risk Score）。该模型在TCGA和GEO数据集中均表现出良好的预测性能（AUC达0.74），并揭示高风险组患者具有免疫"热"表型及特定通路激活特征，为膀胱癌个体化治疗提供了新靶点和策略。
膀胱癌是全球泌尿系统最常见的恶性肿瘤之一，据2020年统计数据显示，每年新增病例约57.3万例，死亡病例约21.3万例。尽管靶向治疗和免疫检查点抑制剂（如pembrolizumab、avelumab等）的应用改善了部分患者的生存，但仍有大量患者面临治疗耐药、复发率高和缺乏有效预后标志物等挑战。近年来研究表明，氮代谢异常与肿瘤进展密切相关，尤其是m6A（N6-甲基腺苷）修饰、氨基酸代谢等过程可通过调控肿瘤微环境影响免疫应答，但氮代谢相关基因在膀胱癌中的系统研究仍较缺乏。
为突破这一瓶颈，浙江大学树兰国际医学院附属树兰（杭州）医院泌尿外科团队在《Endocrine Metabolic》发表研究，通过整合生物信息学与多组学数据，首次构建了膀胱癌氮代谢相关基因预后模型。研究团队从TCGA和GEO数据库获取膀胱癌mRNA表达数据及临床信息，利用差异表达分析筛选出4744个差异基因，并与GeneCards数据库中的881个氮代谢相关基因取交集，获得215个候选基因。通过单因素Cox回归初步筛选25个预后相关基因后，采用101种机器学习组合算法（包括随机生存森林、岭回归等）进行特征选择，最终确定23个关键基因构建风险评分（Risk Score）模型。该模型在训练集（TCGA）和验证集（GSE13507）中均表现出稳定预测能力，并进一步通过ESTIMATE、ssGSEA分析免疫浸润特征，利用maftools分析基因突变谱，结合GDSC数据库评估药物敏感性。
3.1. 氮代谢相关基因的预后模型构建
通过差异表达分析及机器学习筛选，最终确定23个关键基因（如STXBP1、BCHE、SCD等）构建多因素Cox回归模型。森林图显示这些基因均与膀胱癌预后显著相关，其中RSF结合岭回归的机器学习组合具有最高C-index评分。
3.2. 预后模型验证
基于风险评分将患者分为高、低风险组，PCA分析显示23个特征基因可明显区分两组。KM生存曲线表明高风险组总生存期显著缩短（p<0.01），训练集和验证集的ROC曲线AUC值分别达0.74和0.70，证实模型稳健性。分子分型分析显示神经内分泌样（NE-like）亚型风险评分最高，基底/鳞状（Ba/Sq）亚型次之，而管腔乳头状（LumP）亚型评分最低，与临床侵袭性一致。
3.3. 高风险组与低风险组的通路及免疫浸润差异
GSEA富集分析发现高风险组中缝隙连接（GAP JUNCTION）、ECM受体相互作用（ECM_RECEPTOR_INTERACTION）和WNT信号通路显著激活。免疫评分显示高风险组具有更高免疫细胞浸润（免疫"热"表型），而低风险组基质评分更高，提示微环境组成差异可能影响治疗反应。
3.4. 突变特征与药物敏感性分析
高频突变基因TTN、TP53在两组中均常见，但低风险组共突变现象更显著。药物敏感性分析显示高风险组对acetalax、ruxolitinib和ibrutinib的IC50值更低，提示靶向氮代谢相关通路或可增强化疗敏感性。
3.5. 风险评分的临床独立性验证与列线图构建
多因素Cox分析证实风险评分是独立于TNM分期的预后因素（p<0.05）。结合临床参数构建的列线图在1、3、5年校准曲线中均显示良好预测一致性。
本研究首次系统阐明氮代谢相关基因在膀胱癌预后分层中的作用，发现高风险评分与免疫抑制微环境、特定通路激活及药物敏感性相关。通过机器学习驱动的标志物筛选，不仅提供了可临床转化的预后工具，还揭示了氮代谢与免疫调节的交叉对话机制，为代谢重编程靶向治疗提供了新视角。未来需扩大样本验证模型普适性，并深入探索标志基因如SCD、FADS2在氮代谢通路中的功能机制。
