《Annals of Clinical and Translational Neurology》：Uncovering G Protein-Coupled Receptors: Novel Targets and Biomarkers for Predicting Glioma Prognosis
编辑推荐：
背景：低级别胶质瘤（LGG）具有显著异质性与复发风险，G蛋白偶联受体（GPCR）参与胶质瘤恶性进展，但其预后价值尚未明确，本研究旨在构建基于GPCR的LGG预后预测模型。方法：基于癌症基因组图谱（TCGA）LGG数据，通过基因集变异分析（GSVA）计算GPCR
背景：低级别胶质瘤（LGG）具有显著异质性与复发风险，G蛋白偶联受体（GPCR）参与胶质瘤恶性进展，但其预后价值尚未明确，本研究旨在构建基于GPCR的LGG预后预测模型。方法：基于癌症基因组图谱（TCGA）LGG数据，通过基因集变异分析（GSVA）计算GPCR基因富集评分，采用一致性聚类识别分子亚型；结合加权基因共表达网络分析（WGCNA）与LASSO回归筛选枢纽GPCR基因，构建GPCR指数评分（GPCRS）模型，并在中国胶质瘤基因组图谱（CGGA）独立队列中验证；进一步通过突变分析、免疫微环境评估及功能富集分析阐释模型的临床意义。结果：LGG可依据GPCR相关基因表达分为两个亚型；筛选出9个枢纽GPCR基因（SSTR2、GPR61、SSTR1、OR2H2、CHRM4、P2RY2、GPR63、OPN3、GRPR）；GPCRS模型可有效预测预后，1年、3年、5年总生存率曲线下面积（AUC）分别高于0.78、0.72、0.71；高风险组富集于胚胎发育与细胞因子相关通路，免疫微环境更复杂，低风险组聚焦于GPCR信号通路与神经相关进程；两组突变谱与共突变模式存在差异。结论：GPCRS模型可作为可靠的预后生物标志物，为LGG分子分型与精准治疗潜在靶点提供依据。
《Annals of Clinical and Translational Neurology》刊发的这项研究中，研究人员针对低级别胶质瘤（LGG）异质性高、复发风险难预测的临床难题展开探索。现有基于基因表达的分子分型虽已应用于LGG诊疗，但传统分子标志物的预后准确性与治疗指导价值仍有限，患者生存获益未达理想水平。同时，G蛋白偶联受体（GPCR）作为调控细胞运动、生长及基因转录的关键膜受体家族，已被证实参与胶质瘤发生发展，但其在LGG层面的系统性预后价值尚未被充分阐明。为此，研究人员构建了首个基于GPCR的LGG预后预测体系，明确了9个核心GPCR基因的预后价值，为临床分层与精准治疗提供了新依据。
研究采用的关键技术方法包括：基于TCGA LGG队列（519例样本）作为训练集，CGGA LGG队列（274例样本）作为独立验证集；通过GSVA算法计算GPCR基因富集评分，采用一致性聚类进行分子分型；结合WGCNA筛选共表达模块，利用LASSO回归与多变量Cox模型识别枢纽基因并构建GPCRS模型；通过时间依赖性受试者工作特征（ROC）曲线、Kaplan-Meier生存分析验证模型效能；整合GO与KEGG富集分析、CIBERSORT免疫浸润分析、Maftools突变谱分析解析高低风险组的生物学差异。
研究结果如下：
3.1 基于GPCR基因表达谱确定LGG的两个关键亚型
通过一致性聚类分析将LGG分为亚型1（292例）与亚型2（227例），生存分析显示亚型2预后更优；GSVA计算结果显示亚型2的GPCR基因富集评分（G蛋白评分）显著高于亚型1，证实GPCR表达差异是LGG分子异质性的重要驱动因素。
3.2 从TCGA LGG全基因组数据集中鉴定出9个GPCR相关基因
WGCNA分析构建9个基因共表达模块，其中青绿色模块与G蛋白评分及GPCR亚型呈显著正相关，取该模块基因与已知GPCR基因集的交集得到113个候选基因；经单变量Cox回归与LASSO回归最终筛选出9个枢纽GPCR基因：SSTR2、GPR61、SSTR1、OR2H2、CHRM4、P2RY2、GPR63、OPN3、GRPR。
3.3 构建并验证基于GPCR的预后模型
在TCGA与CGGA队列中计算9个基因的GPCRS，模型在训练集与验证集中的1年、3年、5年总生存AUC分别达0.853/0.780、0.757/0.724、0.745/0.714；以中位GPCRS为 cutoff 分组，低风险组生存优势显著优于高风险组（p<0.001）。
3.4 开发独立预后因素的列线图模型
单变量与多变量Cox回归证实年龄、肿瘤分级、分子亚型及GPCRS均为独立预后因素；基于此构建的列线图可预测1年、3年、5年总生存率，校准曲线显示预测值与实际观测值高度一致。
3.5 不同风险组具有差异化的生物学功能
GO与KEGG富集分析显示，高风险组富集于胚胎发育（如前/后轴模式形成、胚胎器官形态发生）与细胞因子相关通路（如细胞因子-细胞因子受体相互作用）；低风险组则聚焦于GPCR信号通路、神经系统进程及cAMP信号通路等生理相关通路。
3.6 GPCRS风险分层与肿瘤免疫微环境特征的关联
高风险组与低风险组的免疫细胞浸润谱存在显著差异，包括B细胞、T细胞、M1/M2巨噬细胞等9种免疫细胞类型分布差异明显；ESTIMATE评分显示两组间质评分、免疫评分、肿瘤纯度均存在统计学差异；核心GPCR基因表达水平与多种免疫细胞浸润程度显著相关。
3.7 高低风险组呈现不同的突变谱与共突变模式
两组体细胞突变频率均较高（高风险组98.79%，低风险组94.61%），IDH1与TP53为两组共同的高频突变基因，CIC突变在高风险组更富集；共突变网络分析显示高风险组共突变事件更复杂，提示基因组不稳定性更高；9个核心GPCR基因中仅10例样本携带突变，以错义突变为主。
讨论部分指出，本研究整合WGCNA与LASSO算法，既保障了基因模块的生物学相关性，又通过正则化降低了过拟合风险。筛选出的9个核心基因中，SSTR2、GRPR、SSTR1等已在神经内分泌肿瘤、前列腺癌等实体瘤中被证实具有靶向治疗潜力，为LGG的转化研究提供了候选靶点。功能富集结果揭示了高风险组向胚胎样增殖状态去分化的分子特征，以及低风险组GPCR信号通路的完整性维持其较好预后的机制；免疫与突变分析进一步阐明了GPCR调控肿瘤微环境与基因组稳定性的作用路径。与传统基于单一生物学过程的预后模型相比，GPCRS模型因覆盖GPCR调控的细胞存活、代谢、免疫应答等多维度通路，表现出更优的跨队列稳定性与生物学可解释性，且GPCR作为可成药靶点家族，其核心基因兼具预后标志物与治疗靶点的双重价值。研究结论强调，该GPCR分型体系与GPCRS模型可实现LGG患者的精准风险分层，为分子机制研究与临床个体化诊疗提供了关键支撑。
