乳腺癌转移相关七基因预后模型的鉴定与验证

《Frontiers in Genetics》：Identification and validation of a seven-gene metastasis-associated prognostic model in breast cancer

　　

摘要 引言：转移是乳腺癌患者死亡的主要原因。本研究旨在基于转移及癌症相关差异表达基因（M-CA-DEGs）开发预后特征，并识别潜在的新型治疗基因。材料与方法：数据来自TCGA-BRCA、AURORA US Network、SCAN-B和GEO数据库。通过单因素Cox和LASSO回归分析鉴定M-CA-DEGs并构建预后风险模型，利用校准曲线和决策曲线分析（DCA）验证预后价值，随后验证独立预后因子。通过基因集富集分析（GSEA）和单样本基因集富集分析（ssGSEA）评估功能富集，比较风险组间的免疫浸润和突变谱，构建转录因子（TF）–mRNA调控网络，进行单细胞分析表征基因表达模式，并在MCF-10A乳腺上皮细胞系和乳腺癌细胞系中检测预后基因的mRNA水平。结果：研究人员开发并验证了新型七基因转移相关预后特征（IGJ、CXCL14、PTGER3、RTN1、EGOT、TLR10、PANX2）。风险评分被证实为强有力的独立预后因子。低风险组表现出更优的生存、免疫“热”表型（活化CD8+T细胞富集）及更高的免疫活性，而高风险组则显示T细胞排斥及激酶信号和代谢通路富集。体细胞突变景观在组间存在显著差异。关键的是，研究人员识别出两个先前未被充分表征的基因（RTN1和TLR10）作为肿瘤进展的新型驱动因子。单细胞转录组学揭示了其细胞类型特异性表达模式，体外实验证实了癌细胞系中的差异表达。结论：本研究建立了稳健、生物学基础明确的乳腺癌转移相关七基因预后模型。除预测外，工作还确定了两个新治疗靶点，揭示了风险组间独特的免疫和代谢表型，从而为肿瘤异质性提供了新机制见解及未来治疗的潜在靶点。

论文解读

研究背景与意义

乳腺癌是全球女性最常见的恶性肿瘤及癌症相关死亡的主要原因，尽管早期诊断和治疗取得进展，转移仍导致绝大多数患者死亡。临床与分子异质性使预后与治疗决策复杂化，现有模型常缺乏多队列验证或未充分整合肿瘤的免疫与突变背景。因此，研究人员旨在开发并验证一种结合转移与致癌过程的基因特征，以提升风险分层精度并挖掘潜在治疗靶点。

关键技术方法

研究整合TCGA-BRCA、AURORA US Network、SCAN-B及GEO数据库的多组学数据，通过差异表达分析鉴定转移及癌症相关差异表达基因（M-CA-DEGs），采用单因素Cox与LASSO回归构建七基因预后模型，经校准曲线与决策曲线分析（DCA）评估预测效能；利用GSEA与ssGSEA进行功能富集，TIMER 2.0与TIDE框架分析免疫微环境，TRRUST数据库预测转录因子调控网络，基于STOmicsDB与CZ CELLxGENE Discover的单细胞转录组数据解析细胞类型特异性表达，并通过qPCR在MCF-10A及多种乳腺癌细胞系中验证基因表达。

研究结果

1. 1.
   转移相关基因筛选与验证
   通过TCGA-BRCA与AURORA数据集的差异表达分析，鉴定出18个M-CA-DEGs，其在肿瘤与癌旁组织中表达差异显著且多数呈共表达。
2. 2.
   七基因预后模型构建与验证
   单因素Cox筛选出12个预后相关基因，LASSO回归进一步确定IGJ、CXCL14、PTGER3、RTN1、EGOT、TLR10、PANX2构建风险模型。风险评分公式纳入各基因表达量与回归系数，按中位数分为高低风险组，结果显示高风险组总生存期显著更差，模型在SCAN-B与TCGA队列中均表现良好，校准曲线与DCA验证其准确性与临床净获益。
3. 3.
   风险评分的独立预后价值与列线图
   多变量Cox证实风险评分为独立预后因子，联合年龄、肿瘤大小、淋巴结状态构建列线图，预测1、3、5年生存概率，校准曲线与ROC曲线显示良好一致性。模型在PAM50各亚型及不同治疗亚组中均具稳定预后价值。
4. 4.
   多模型比较
   弹性网Cox等四种模型中，临床变量联合七基因特征（Model C）与临床联合PAM50（Model B）在区分度、校准度与净获益方面最优，优于单纯临床模型与弹性网模型。
5. 5.
   功能富集分析
   高风险组富集细胞增殖、DNA复制修复、RNA转录加工及PLK1、Aurora、mTOR等激酶通路，同时TCA循环、糖酵解等代谢通路激活；低风险组免疫相关通路活性更高。
6. 6.
   免疫微环境分析
   低风险组活化CD8⁺T细胞、Th1、NK细胞、树突状细胞等28种免疫细胞浸润显著增强，免疫评分、基质评分及微环境评分更高；TIDE分析显示低风险组以T细胞功能障碍为主，高风险组以T细胞排斥为主，且高风险组MDSCs增多，提示不同免疫逃逸机制。
7. 7.
   突变谱分析
   高风险组TP53与SPTA1突变率升高，低风险组CDH1与PIK3CA突变率升高，且突变状态与风险评分显著相关。
8. 8.
   转录因子调控网络
   TRRUST预测并验证SP1正调控CXCL14，FOXP3、VDR、RXRA正调控TLR10，相关转录因子表达与预后关联。
9. 9.
   单细胞与空间转录组分析
   单细胞测序揭示七基因在不同细胞亚群中特异性表达：IGJ主要在浆细胞，CXCL14在癌症相关成纤维细胞（CAFs），PTGER3主要在血管周围样细胞，RTN1在髓系细胞与CAFs，EGOT在上皮细胞，TLR10在B细胞，PANX2在CAFs高表达。将基因分为免疫、基质、恶性三组，三者联合模型预后最佳。
10. 10.
    细胞系表达谱
    qPCR显示RTN1含三种剪接异构体，其中RTN1?A在肿瘤组织中显著降低；TLR10、PTGER3、PANX2、EGOT、IGJ在各细胞系均有表达，CXCL14在部分细胞系缺失，不同细胞系中各基因表达水平存在显著差异。

结论与讨论

该研究通过整合多组学与单细胞数据，构建了生物学基础明确的七基因转移相关预后模型，有效实现乳腺癌患者风险分层，并在多队列与多亚型中验证其稳健性。研究首次系统揭示RTN1与TLR10在乳腺癌中的潜在抑癌作用，发现SPTA1在高风险组突变频率升高，提出VDR–TLR10等新型调控轴，为肿瘤异质性与免疫治疗策略提供新视角。成果发表于《Frontiers in Genetics》，为乳腺癌精准预后与靶向治疗提供了可转化的分子工具与理论依据。