肝细胞癌中与预后相关的代谢基因的鉴定：构建用于风险分层的多基因模型

《Current Research in Translational Medicine》：Identification of Prognosis-Related Metabolism Genes in Hepatocellular Carcinoma: Constructing a Multi-Gene Model for Risk Stratification

本研究通过整合TCGA等公共数据库的转录组和临床数据，利用WGCNA和机器学习方法筛选出8个关键代谢基因（UCK2, CAD, NUDT1, PIGU, IVD, CAT, ALDH6A1, SLC2A2），构建预后模型并验证其多中心泛化性。模型显示低危患者5年生存率达75%，且免疫浸润特征与代谢基因表达呈负相关。单细胞分析揭示肿瘤微环境中代谢-免疫互作网络，基因突变谱显示高危组存在更高频率的致癌突变。

　　

Zihan Cai|Chunxiao Huang|Xiaomei Yi|Shoupeng Ding|Jinghua Gao|Jian Han

中国泗阳医院医学实验室，泗阳237000

摘要

目的

肝细胞癌（HCC）是一种异质性恶性肿瘤，预后较差。本研究确定了与HCC预后相关的代谢相关基因（MRGs），基于代谢重编程和免疫逃逸开发了一个多基因预后模型，并评估了这些基因在肿瘤微环境（TME）中的作用，以指导诊断和治疗。

方法

使用公共数据库（TCGA）分析了HCC患者的转录组和临床数据。识别出与HCC分期和预后相关的MRGs。加权基因共表达网络分析（WGCNA）检测出与肿瘤进展相关的代谢基因模块。利用LASSO和随机生存森林（RSF）构建了一个多基因预后模型。通过Kaplan-Meier分析、ROC曲线和Nomogram评估模型性能。单细胞分析探讨了代谢相互作用，富集和突变分析评估了关键基因的显著性。PCR验证了基因表达。

结果

共有374个代谢相关基因与HCC分期相关。包含八个关键基因（UCK2、CAD、NUDT1、PIGU、IVD、CAT、ALDH6A1、SLC2A2）的预后模型在TCGA、ICGC和GEO队列中表现出强烈的预测性能。低风险患者的生存率显著更高（5年生存预测AUC为0.75）。PCR验证确认了这些基因的表达差异：UCK2、CAD、NUDT1和PIGU上调，而IVD、CAT、ALDH6A1和SLC2A2下调。免疫浸润分析显示高风险组中免疫抑制细胞积聚，而低风险组则表现出以效应细胞浸润增加为特征的免疫活性表型。单细胞分析揭示了TME中的代谢-免疫相互作用。基因突变分析显示高风险组中频繁发生突变，这些突变与侵袭性和治疗耐药性相关。

结论

本研究确定了与HCC预后相关的关键代谢相关基因，并开发了一个多基因预后模型。我们的发现强调了代谢重编程和免疫逃逸在HCC中的作用，为未来的免疫和代谢干预提供了基础。

引言

肝癌是一种广泛存在且治疗具有挑战性的恶性肿瘤，在基因组、转录和表型维度上表现出显著的分子多样性，已确定了不同的分子分类[[1], [2], [3]]。两种主要的组织学亚型，HCC和肝内胆管癌（iCCA），分别占原发性肝癌的75%-85%和10%-15%。这些亚型在突变谱、组织学特征和转录组特征上存在显著差异，导致临床表现、治疗策略和预后结果的不同[[4], [5], [6]]。目前的治疗方法包括经动脉化疗栓塞（TACE）[7]、肝动脉灌注化疗（HAIC）[8]、手术切除[9]、肝移植和射频/微波消融[10]。然而，许多患者出现局部侵袭或远处转移，限制了治愈性治疗的机会，迫切需要新的诊断和治疗方法[11]。

代谢重编程是癌细胞的基本生物学特征，肿瘤通过重组代谢途径来满足快速增殖、逃避凋亡和适应恶劣微环境的需求[2,12]。Warburg效应是一种经典现象，描述了肿瘤细胞即使在氧气充足的情况下也偏好通过无氧糖酵解产生ATP。除了糖酵解，癌细胞还利用其他代谢机制，包括氨基酸代谢、脂肪酸合成和氧化以及氧化还原稳态调节，以促进代谢重编程。例如，精氨酸代谢作为第二信使途径，促进细胞增殖和存活。此外，PI3K/Akt/mTOR、Myc和HIF-1α等信号通路精确调节这些代谢过程，HIF-1α在缺氧条件下被激活，上调与糖酵解相关的基因，从而满足肿瘤的能量需求。

代谢产物和途径的异常改变不仅反映了肿瘤细胞的独特特征，还为HCC的诊断和预后提供了潜在的生物标志物。例如，多中心队列研究表明，血清乳酸水平、谷氨酰胺代谢物及相关酶活性的变化对于肿瘤分期和生存预测具有价值[[13], [14], [15]]。

调节代谢酶和相关信号通路正迅速成为一种有前景的治疗策略。脂肪酸合成酶（FASN）抑制剂和谷氨酰胺酶（GLS1）抑制剂在动物模型和早期临床试验中显示出抗肿瘤效果[16]。同时，针对PI3K/Akt/mTOR[17]、AMPK[18]和HIF-1α[19]的抑制剂可以有效调节肿瘤代谢并减缓肿瘤进展。

基于这些代谢重编程机制，本研究首先利用大规模转录组和临床数据识别与HCC分期和预后显著相关的代谢基因，并基于这些基因构建和验证了一个多基因风险预测模型。随后，我们采用单细胞转录组学和细胞通信分析来探索不同细胞群体间的代谢相互作用网络。

尽管已有大量研究关注肿瘤细胞内的代谢改变，但肿瘤微环境（TME）——包括癌相关成纤维细胞、免疫细胞和血管成分——与肿瘤代谢之间的动态相互作用仍不够明确[[20], [21], [22], [23], [24]]。为了克服传统单一算法模型的过拟合限制和有限的泛化能力，本研究引入了一个创新的集成机器学习框架，整合了101种算法组合来构建一个共识代谢相关基因风险模型（MRGRM）。与以往的代谢特征不同，我们将单细胞RNA测序（GSE202642）和细胞间通信分析作为跨尺度验证的桥梁。通过将我们的批量衍生特征映射到高分辨率的单细胞图谱上，我们验证了风险信号的细胞来源，并确定了特定的细胞间轴，如TGF-β和MIF信号，这些轴将代谢重编程与免疫逃逸联系起来。因此，本研究不仅建立了一个高精度的HCC预后工具，还揭示了一个“代谢-突变-免疫”轴，为精准免疫治疗提供了新的、经过验证的目标。

章节片段

代谢相关基因集的整合与整理

为了确保代谢景观的系统和无偏表示，我们整理了一套标准化的2,752个代谢相关基因（MRGs）。与以往依赖单一来源的研究不同，这套基因集是从四个权威数据库——KEGG（京都基因组与基因组百科全书）[25]、Reactome[26]、BRENDA[27]和Human-GEM[28]——系统整合而来的。这种多来源整合策略旨在最大化途径覆盖范围并最小化注释偏差

通过WGCNA识别与肿瘤分期密切相关的代谢共表达模块和关键基因

为了确定HCC进展的代谢驱动因素，我们对2,752个代谢相关基因进行了加权基因共表达网络分析（WGCNA）。使用最优软阈值5（图Sup.1A），我们识别出10个共表达模块（图Sup.1B）。与临床参数的相关性分析表明，五个模块——蓝色、棕色、洋红色、黑色和青绿色——与肿瘤分期显著相关（P < 0.05，图2 A）。

为了进一步阐明关键基因的生物学功能

讨论

尽管HCC治疗干预取得了显著进展，但五年生存率仍低于20%[29,30]。恶性细胞表现出显著的代谢特征，具有高度异质性，这直接控制着基本的致癌过程。越来越多的证据表明，恶性代谢活动通过分泌生物活性代谢物（如乳酸、精氨酸）显著影响TME内的免疫调节

结论

本研究揭示了肝细胞癌中代谢重编程和免疫逃逸的“双重机制”，并引入了一个基于代谢相关基因的风险模型，具有重要的临床应用价值。通过阐明代谢与免疫之间的相互作用，这项研究强调了肝细胞癌如何逃避免疫监视并维持肿瘤进展，从而为免疫治疗的发展提供了新的见解和理论基础