《Scientific Reports》：Integrated multi-omics analysis reveals comprehensive metabolism-driven tumor heterogeneity and immune microenvironment in hepatocellular carcinomas
编辑推荐：
肝细胞癌（HCC）存在显著的代谢重编程，驱动肿瘤异质性并影响免疫微环境。为此，研究人员开展了整合多组学数据的分析。他们通过非负矩阵分解（NMF）定义了三种生存相关代谢亚型（iHCC1-3），揭示了基因组、代谢组、转录组、蛋白质组、磷酸化蛋白质组、表观遗传和免疫微环境等多维度的异质性景观。研究筛选出39个亚型特异性变量用于识别代谢亚型，并构建了结合代谢特征与临床特征用于个体化风险分层的列线图。此外，研究初步确定了醛缩酶B（ALDOB）在表观遗传和翻译后修饰触发的代谢重编程中的潜在作用。该研究为深入理解HCC代谢异质性、发现潜在治疗靶点及临床诊断分层提供了新见解。
癌症治疗领域，一个核心的挑战是肿瘤的“异质性”，即同一类型的癌症在患者个体间，甚至同一个肿瘤内部，都可能存在巨大的差异。这种差异如同给治疗设置了无数个“迷宫”，使得单一疗法常常失效，精准医疗的梦想难以实现。在肝细胞癌（Hepatocellular Carcinoma, HCC，肝癌最常见的病理类型）中，这个问题尤为突出。虽然“代谢重编程”（metabolic reprogramming，指癌细胞为适应快速生长而改变能量和物质代谢模式）被公认为癌症的重要标志之一，但这种代谢变化在HCC中如何具体塑造肿瘤的多样性，特别是如何与肿瘤内部的免疫状态、基因以外的调控（如表观遗传）相互作用，进而影响疾病进程和治疗反应，仍然是一个亟待探索的“黑箱”。
为了系统性地“照亮”这个黑箱，一项题为《Integrated multi-omics analysis reveals comprehensive metabolism-driven tumor heterogeneity and immune microenvironment in hepatocellular carcinomas》的研究于《Scientific Reports》发表。研究人员不再满足于单一维度的观察，而是采用了全景式的“多组学”（multi-omics）分析策略，整合基因组、代谢组、转录组、蛋白质组、磷酸化蛋白质组等多层次数据，深入探究代谢如何驱动肝细胞癌的整体异质性。他们想知道：能否从代谢角度对HCC患者进行更精确的分型？这些不同的代谢亚型在基因突变、分子通路、表观修饰、免疫细胞浸润等方面有何独特“风景”？能否找到关键的标志物来有效识别这些亚型，并为临床决策提供帮助？通过回答这些问题，研究旨在构建一个从代谢视角理解HCC的全新框架，为开发靶向代谢弱点、调节免疫微环境的个性化治疗策略提供坚实的科学依据。
为了回答上述问题，研究团队运用了一系列关键的生物信息学和计算生物学技术。他们首先基于基因集变异分析（Gene Set Variation Analysis, GSVA）评估样本的代谢通路活性，然后利用非负矩阵分解（Non-negative Matrix Factorization, NMF）这一无监督聚类算法，对HCC样本进行了代谢层面的分型。在定义了亚型后，研究者利用来自公共数据库（如TCGA-LIHC队列）和已发表研究的基因组、表观基因组、转录组、蛋白质组、磷酸化蛋白质组数据，对亚型间进行了全面的多组学比较分析，涵盖了体细胞突变、拷贝数变异、DNA甲基化、蛋白质表达与磷酸化修饰等方面。单细胞RNA测序（scRNA-seq）数据被用于在单细胞分辨率下验证代谢和免疫特征。为了筛选出区分亚型的关键特征，研究者结合了四种特征选择算法，并在8种机器学习模型上进行了初步验证。最后，基于筛选出的变量和临床特征，构建并验证了用于预后预测的列线图（nomogram）。该研究主要基于生物信息学对公开的多组学数据集进行二次分析，其样本来源主要包括癌症基因组图谱的肝癌队列（TCGA-LIHC）及其他已发表研究的补充数据。
基于代谢基因表达谱的NMF分型识别出三种生存相关的肝细胞癌亚型
研究者首先聚焦于代谢相关基因的表达谱。通过NMF算法对HCC样本进行聚类，成功地将其划分为三个具有显著不同生存预后的代谢亚型，分别命名为iHCC1、iHCC2和iHCC3。生存分析显示，这三个亚型的患者总生存期存在明显差异，表明基于代谢的分类具有重要的临床预后价值。GSVA分析进一步揭示了亚型间“显著”（原文用“remakeable”，疑为“remarkable”之笔误）的代谢差异。例如，某些亚型在糖酵解、磷酸戊糖途径或脂肪酸代谢通路上表现活跃，而其他亚型则可能更依赖于不同的代谢途径，这从功能层面解释了其异质性。
多组学全景图揭示不同代谢亚型的独特分子景观
接下来，研究从多个分子层面绘制了不同亚型的“全景图”。在基因组层面，分析了亚型间驱动基因突变频率和拷贝数变异的差异。在表观遗传层面，考察了DNA甲基化模式的异同。在转录组层面，不仅分析了基因表达，还通过单细胞RNA测序数据在细胞亚群水平验证了代谢和微环境特征的分布。在蛋白质组和磷酸化蛋白质组层面，研究了蛋白质表达丰度及其关键的翻译后修饰（Post-Translational Modifications, PTMs），特别是蛋白质磷酸化状态。这些分析共同揭示，每个亚型都拥有其独特的、跨越多个分子维度的“身份特征”，说明代谢重编程的影响是系统性的，与基因突变、表观调控、蛋白质功能调控等紧密耦合。
免疫微环境特征在不同代谢亚型中呈现异质性
肿瘤免疫微环境是影响治疗反应的关键。该研究发现，不同的代谢亚型对应着截然不同的免疫细胞浸润状态。例如，某个亚型可能表现为“免疫荒漠”或“免疫排斥”型，免疫细胞浸润稀少；而另一个亚型则可能呈现“免疫炎症”型，富含细胞毒性T细胞等免疫效应细胞。这种免疫景观的差异与特定的代谢特征相关联，提示癌细胞的代谢状态可能通过塑造肿瘤微环境中的代谢物组成（如乳酸、酮体等），间接抑制或促进免疫细胞的功能，从而影响免疫治疗的潜在效果。
筛选代谢亚型特异性变量并构建临床预测模型
为了将基础研究发现应用于临床实践的潜在可能，研究者致力于寻找能够准确识别这些代谢亚型的生物标志物。他们综合运用四种特征选择算法，从海量多组学数据中筛选出39个最具区分度的“亚型特异性变量”。这组变量在8种不同的机器学习模型中进行了初步验证，显示出良好的分类性能。更进一步，研究者整合了关键的代谢特征变量和常规临床病理特征（如肿瘤分期、分级等），构建了一个可视化的列线图预测模型。该模型可用于量化评估个体HCC患者的风险，为实现更精细的临床风险分层和个体化治疗策略选择提供了实用工具。
初步探索ALDOB在表观遗传和PTMs驱动的代谢重编程中的潜在作用
在机制探索层面，研究将目光投向了一个具体的代谢酶——醛缩酶B（Aldolase B, ALDOB）。通过整合分析，研究初步发现ALDOB的表达与特定的表观遗传修饰（如DNA甲基化）和蛋白质翻译后修饰（如磷酸化）状态相关，暗示ALDOB可能作为连接非突变性表观遗传调控、蛋白质功能修饰与下游代谢重编程的关键节点分子。这为理解代谢异质性的上游调控机制提供了一个新的、值得深入验证的研究靶点。
结论与讨论
本研究通过系统性的整合多组学分析，成功地定义了一套稳健的、与生存预后密切相关的肝细胞癌分子亚型系统（iHCC1-3）。这套分型体系的核心驱动力是肿瘤的代谢重编程，但它所揭示的异质性却涵盖了从基因组、表观基因组、转录组、蛋白质组到免疫微环境的全方位层次。这不仅证实了代谢在HCC发生发展中的中心地位，更重要的是描绘了代谢如何作为一个“总指挥”，协调其他分子层面的变化，共同塑造肿瘤的最终表型。
研究的意义在于其系统性和转化潜力。首先，它超越了传统的单组学或驱动基因突变分型，提供了一个从“代谢功能”视角理解HCC异质性的多维框架。其次，研究明确地将代谢异质性与免疫微环境特征联系起来，为解释为何某些HCC患者对免疫检查点抑制剂治疗敏感或不敏感提供了新的代谢维度线索，有助于筛选潜在的获益人群。再者，研究所筛选的39个特征变量及构建的临床预测模型，为将来开发基于血液或组织的伴随诊断工具奠定了基础，有望实现更精准的预后判断和治疗指导。最后，对ALDOB等关键节点的初步关联分析，指出了表观遗传和翻译后修饰调控代谢酶活性的新机制方向，为开发靶向“代谢-表观”轴或“代谢-免疫”轴的新型联合治疗策略提供了候选靶点。
总而言之，这项研究如同绘制了一幅详尽的“肝细胞癌代谢地形图”，不仅标明了不同的“代谢地貌”（亚型），还揭示了其下的“地质构造”（多组学基础）和“气候系统”（免疫微环境）。它深化了科学界对HCC代谢复杂性的认知，并架起了连接前沿多组学发现与临床转化应用的桥梁，为未来实现真正的个体化肝癌治疗贡献了重要的蓝图和工具箱。
