《Analytical Cellular Pathology》：The Role of Chemokine-Related Genes in Diffuse Large B-Cell Lymphoma Prognosis and Tumor Microenvironment Characteristics
编辑推荐：
背景：弥漫大B细胞淋巴瘤(Diffuse Large B-Cell Lymphoma, DLBCL)是一种具有中等至高度侵袭性和异质性的恶性肿瘤。趋化因子及其受体参与体内多种抗肿瘤和促肿瘤免疫过程，并影响患者的预后和治疗反应。因此，探究趋化因子相关基因(Che
背景：弥漫大B细胞淋巴瘤(Diffuse Large B-Cell Lymphoma, DLBCL)是一种具有中等至高度侵袭性和异质性的恶性肿瘤。趋化因子及其受体参与体内多种抗肿瘤和促肿瘤免疫过程，并影响患者的预后和治疗反应。因此，探究趋化因子相关基因(Chemokine-Related Genes, CCRGs)与预后及免疫微环境之间的潜在关联具有重要意义。方法：从GEO数据库中提取DLBCL中差异表达且与预后相关的CCRGs。利用Lasso-Cox回归分析构建预后风险模型，并通过内部和外部队列验证以评估模型的预测独立性。随后将该风险模型应用于免疫学分析、富集分析和药物预测分析。采用单细胞测序技术探究预后模型中基因与免疫细胞类型的相关性。结果：研究人员识别出23个预后相关的CCRGs，并揭示了两种表现出不同免疫过程的CCRG相关亚型。随后，利用LASSO-Cox回归分析建立了一个六基因预后模型。单因素和多因素预后分析表明，该风险模型可作为独立的预后因素，且CCRG预后模型和特征基因均显示与肿瘤免疫微环境(Tumor Immune Microenvironment, TIME)显著相关。结论：本研究提出的CCRG风险模型能够准确、稳定地预测DLBCL患者的预后，并与TIME密切相关，为DLBCL患者提供了新的靶点和理论支持。
论文解读
研究背景
弥漫大B细胞淋巴瘤(Diffuse Large B-Cell Lymphoma, DLBCL)起源于成熟B细胞，是侵袭性较强且高度异质性的肿瘤，也是非霍奇金淋巴瘤(Non-Hodgkin Lymphoma, NHL)最常见的病理亚型。尽管一线R-CHOP化疗能使60%–70%的患者获得完全缓解(Complete Response, CR)，但仍有部分患者复发或对初始化疗无效，面临致命的复发或疾病进展挑战。目前的国际预后指数(International Prognostic Index, IPI)在临床上用于评估DLBCL预后，但未考虑分子异质性或肿瘤微环境(Tumor Immune Microenvironment, TIME)的差异。鉴于DLBCL的高度异质性，即使是同一IPI风险类别的患者也表现出显著的预后差异。因此，迫切需要新的策略来更可靠地识别患者风险，以制定个性化治疗方案。趋化因子及其受体在肿瘤发生发展中扮演关键角色，它们通过信号传导和各种免疫细胞的趋化作用塑造TME，显著影响肿瘤的进展和转移。然而，关于趋化因子相关基因(Chemokine-Related Genes, CCRGs)在DLBCL发病机制中的具体相互作用及其在预后评估和免疫治疗策略开发中的机制仍需深入阐明。
关键技术方法
本研究基于GEO数据库获取mRNA表达数据及临床资料，将GSE10846设为训练队列，其内部随机子集及GSE11318分别作为内部和外部验证队列。研究人员收集了DLBCL新鲜组织标本进行单细胞测序(Single-Cell RNA Sequencing, scRNA-seq)。通过无监督聚类分析识别预后相关的CCRG亚群，利用ESTIMATE和CIBERSORT算法评估TME及免疫细胞浸润，采用LASSO-Cox回归分析构建预后风险模型，并利用单细胞数据分析工具Seurat进行细胞类型鉴定及相关性分析。
研究结果
1. 患者临床病理特征
研究纳入了训练队列(GSE10846, n=414)、内部验证队列(GSE10846, n=207)和外部验证队列(GSE11318, n=201)。三个队列在年龄、性别、体能状态(ECOG)和Ann Arbor分期方面均衡可比，外部验证队列中COO亚型显示GCB比例略低，但整体具有良好的可比性和外部推广性。
2. CCRG不同分子亚型的鉴定、预后差异及TIME
通过单因素Cox回归分析获得了23个预后相关的CCRGs表达矩阵。利用一致性聚类分析，将414例患者分为两个最佳亚型(Cluster 1和Cluster 2)。生存分析显示Cluster 1患者预后较差。ESTIMATE分析表明Cluster 1患者的基质评分和ESTIMATE评分较低。CIBERSORT分析揭示两组间免疫细胞浸润模式存在差异，Cluster 1表现出更高水平的幼稚B细胞、滤泡辅助T细胞、调节性T细胞(Regulatory T cells, Tregs)等浸润，而Cluster 2则表现出更高水平的γδ T细胞和活化的CD4记忆T细胞浸润。此外，Cluster 1中PD-L1、PDCD1、TIM3等免疫检查点表达更高。
3. 与预后相关的CCRG差异基因筛选
基于GSE56315数据集的正常扁桃体组织与DLBCL组织差异表达基因(Differentially Expressed Genes, DEGs)分析，共识别出4114个DEGs。GO和KEGG富集分析显示这些基因主要富集于细胞增殖、细胞激活的正调控、局灶黏附及趋化因子信号通路等。将23个预后相关的CCRGs与DEGs取交集，最终筛选出七个关键重叠基因。
4. CCRG预后模型的构建与验证
通过单因素Cox回归和Lasso-Cox回归分析，最终构建了一个包含六个CCRGs的预后风险模型，公式为：OS = CCL5 × 0.317 + CCL27 × (-0.336) + CCR7 × 0.114 + CXCL14 × (-0.177) + CXCR3 × 0.342 + CXCR4 × 0.422。根据中位风险评分将患者分为高风险组和低风险组。结果显示高风险组患者生存率显著更低。该模型在训练集及内、外部验证集中的ROC曲线分析显示，其预测2年、3年和5年总生存期(Overall Survival, OS)的AUC值分别达到0.801、0.919、0.881（训练集）及0.714、0.714（外部验证集3年和5年），表明模型具有良好的预测效能。
5. 风险模型的临床相关性及独立预后分析
基于临床病理特征的分析显示，高风险组与年龄、组织学类型和结外器官受累数量显著相关。分层分析表明，在不同临床参数（如年龄、性别、分期、LDH水平等）分层下，高风险组患者均表现出较差的生存结局。单因素和多因素Cox分析证实，年龄、COO分型、ECOG体能状态和该风险评分是独立的预后因素。列线图(Nomogram)及校准曲线进一步验证了模型预测2年、3年和5年生存率的准确性。
6. 风险模型与TME的关系
ESTIMATE分析显示，高风险组患者的基质评分和ESTIMATE评分较低，且与不良预后相关。CIBERSORT和ssGSEA分析表明，高风险组与B细胞幼稚、调节性T细胞、NK细胞和M2型巨噬细胞的浸润增加相关，而低风险组则表现为CD4记忆活化T细胞、γδ T细胞和静息肥大细胞的高度浸润。同时，高风险组中PD-L1、PDCD1、LAG3、TIM3、CD47和CTLA4等免疫检查点表达显著升高，提示高风险患者处于免疫抑制微环境中。
7. CCRG预后模型特征基因与TME的关系
相关性分析显示，CCL5与细胞毒性细胞、T细胞、CD8 T细胞和巨噬细胞呈强正相关；CCR7与细胞毒性细胞、T细胞、CD8 T细胞和树突状细胞(Dendritic Cells, DCs)相关；CXCR3与T细胞、DCs和巨噬细胞呈正相关；而CXCR4与CD8 T细胞、B细胞和辅助T细胞相关。这些特征基因的表达水平与多种免疫细胞的浸润丰度显著相关。
结论与讨论
该研究成功构建并验证了一个基于CCRGs的预后风险模型，该模型由CCL5、CCL27、CCR7、CXCL14、CXCR3和CXCR4六个基因组成。研究表明，该模型不仅能作为DLBCL患者的独立预后指标，还能反映肿瘤免疫微环境的特征。高风险评分与免疫抑制表型密切相关，表现为基质评分降低、免疫抑制细胞（如Tregs、M2巨噬细胞）浸润增加以及免疫检查点分子的高表达。这一发现为理解DLBCL的免疫异质性提供了新视角，并为指导个体化免疫治疗策略的制定提供了潜在的分子靶点和理论依据。该研究成果发表于《Analytical Cellular Pathology》。
