《HUMAN MUTATION》：A Mitoxyperilysis-Related Single-Cell and Machine-Learning Framework Defines an Immune-Cold Melanoma Phenotype and a Robust Prognostic Signature
编辑推荐：
Mitoxyperilysis是一种由先天免疫与代谢信号驱动的线粒体依赖性膜裂解过程，其在黑色素瘤中的临床意义尚不明确。研究人员分析了单细胞RNA测序数据（GSE215120），量化了mitoxyperilysis相关评分（Mitoxyperilysis-Re
Mitoxyperilysis是一种由先天免疫与代谢信号驱动的线粒体依赖性膜裂解过程，其在黑色素瘤中的临床意义尚不明确。研究人员分析了单细胞RNA测序数据（GSE215120），量化了mitoxyperilysis相关评分（Mitoxyperilysis-Related Score, MRS），解析了细胞类型异质性，并比较了MRS高与MRS低肿瘤状态下的预测细胞间通讯。MRS在不同评分方法中表现稳健，且在各细胞类型及恶性亚群中差异显著。与MRS低肿瘤相比，MRS高状态表现出增加的预测细胞间通讯（740对448个相互作用）及更高的全局互作强度（18989对10652），提示肿瘤生态系统重构。为将相关程序转化至批量黑色素瘤分析，研究人员筛选了与MRS相关性最高的前150个基因，在TCGA-SKCM队列中测试了101种机器学习策略以构建预后模型，并在6个独立GEO队列中进行外部验证。基于梯度提升机（Gradient Boosting Machine, GBM）的特征表现出了最一致的跨队列性能，可可靠分层总生存期。高风险评分（riskScore）与降低的免疫及基质信号、更高的肿瘤纯度相关，经多算法去卷积及ESTIMATE算法评估显示为免疫冷肿瘤微环境。作为代表性模型基因，GPR143在黑色素瘤中上调，与患者较差生存相关，其功能敲低可抑制黑色素瘤细胞集落形成。综上，本研究建立了一个新型整合框架，首次将单细胞解析的mitoxyperilysis相关转录程序与大规模多队列机器学习验证相结合，从而为黑色素瘤的免疫代谢异质性机制解读及临床适用风险分层提供了支持。
研究背景与意义
黑色素瘤是最具侵袭性的皮肤癌之一，具有高转移潜能与患者间临床结局的高度异质性。尽管免疫检查点阻断与靶向治疗已取得重大进展，仍有相当比例患者出现原发耐药、复发或快速进展。这种变异性凸显了对能够更精准捕捉肿瘤内在生物学特征及周边肿瘤微环境（Tumor Microenvironment, TME）——包括免疫与基质组分——的预后框架的持续需求。线粒体位于细胞应激反应的核心，整合代谢信号与先天免疫信号，除能量产生与凋亡的经典作用外，新证据表明其可主动参与调控性膜损伤的不同形式。近期研究发现，先天免疫与代谢扰动可诱导线粒体-质膜持续接触（称为mitoxyperiosis），并触发一种线粒体依赖性膜裂解表型（mitoxyperilysis）。该过程拓展了裂解性细胞死亡机制的范畴，并提示免疫代谢应激、线粒体动力学与膜完整性之间存在概念关联，这些过程与黑色素瘤生物学高度相关，因为在疾病进展过程中代谢适应与免疫压力共同演化。然而，mitoxyperilysis相关转录程序是否存在于黑色素瘤患者组织中、其在特定细胞区室的分布情况及其与微环境状态的关联仍未被充分探索。本研究旨在填补这一空白，通过建立mitoxyperilysis相关评分（MRS）量化其特征，并结合单细胞与机器学习方法，构建稳健的预后模型并揭示其生物学意义。该研究发表于《HUMAN MUTATION》。
关键技术方法
研究人员采用公共数据库队列，包括用于单细胞分析的GSE215120数据集，用于训练模型的TCGA-SKCM队列，以及用于外部验证的6个独立GEO队列（GSE19234、GSE22153、GSE53118、GSE54467、GSE59455、GSE65904）。关键技术涵盖单细胞RNA测序数据的Seurat流程分析、细胞类型注释、MRS的多种算法量化（AddModuleScore、ssGSEA、AUCell等）、CellChat细胞间通讯预测、基于101种机器学习策略（含GBM、CoxBoost、随机生存森林等及其混合模型）的预后模型构建、多算法免疫去卷积（TIMER、CIBERSORT、EPIC等）与ESTIMATE评分、以及关键基因GPR143的功能实验验证。
研究结果
MRS对单细胞状态的分层及其与增强的细胞间通讯的关联
整合四个样本的单细胞转录组数据经UMAP降维后识别出12个转录簇，注释为上皮、NK/T、B、髓系、内皮及成纤维细胞六大类群。MRS在单细胞水平呈现显著异质性，且在不同评分方法中结果一致，表明其信号稳健。MRS在不同细胞类型及同一类型内部均存在差异。MRS高组的预测细胞间相互作用数量（740对448）与全局互作强度（18989对10652）均显著高于MRS低组，且成纤维细胞在MRS高状态下表现出突出的信号输出。通路水平分析显示两组间通讯程序广泛重构，涉及免疫炎症、生长因子及细胞外基质/血管黏附相关通路。
基于MRS相关基因的机器学习预后模型构建与外部验证
研究人员选取与MRS相关性最高的前150个基因，在TCGA队列中训练101种机器学习生存模型。结果显示GBM模型的平均C指数为0.634，优于其他策略，表现出最佳的跨队列泛化能力。
与已发表预后特征的基准比较证明MRS模型的优越性能
在TCGA与所有GEO验证队列中，MRS-GBM模型的C指数均位居前列，证实了其稳健性与普适性。
MRS-GBM预后特征可稳健分层生存风险并在各队列中保持稳定预测准确性
高风险组患者在TCGA与各GEO队列中总生存期均显著短于低风险组（所有log-rank检验p值显著）。时间依赖性ROC曲线显示模型在1、3、5年的AUC值在TCGA中为0.81、0.80、0.82，在验证队列中也维持良好预测能力。主成分分析显示高低风险组在转录空间上呈现分离趋势。
MRS基础风险特征与免疫“冷”TME及肿瘤纯度增加相关
多算法免疫去卷积一致显示高风险组免疫细胞浸润减少，低风险组免疫群体丰度更高。相关性分析显示riskScore与基质评分（r=-0.42, q=0）、免疫评分（r=-0.55, q=0）、ESTIMATE评分（r=-0.54, q=0）呈负相关，与肿瘤纯度（r=0.55, q=0）呈正相关。
鉴定GPR143作为MRS基础预后模型中的关键基因
在模型包含的基因中，GPR143与riskScore呈最强的正相关（r=0.56, q=0），因此被选为关键基因进行后续分析。
模型基因GPR143在黑色素瘤中的表达、预后价值与功能相关性
GPR143在肿瘤组织中表达显著高于正常组织，且其表达随临床分期增加而升高，蛋白水平免疫组化结果支持这一发现。富集分析显示GPR143相关基因集主要参与色素沉着、膜与黏附相关过程及癌症相关通路。生存分析表明高GPR143表达与不良预后相关。功能实验显示shRNA敲低GPR143可减少黑色素瘤细胞集落形成能力。
讨论与结论
本研究将线粒体依赖性膜裂解（mitoxyperilysis）这一新兴概念与黑色素瘤联系起来，建立了MRS并将其与单细胞解析及多队列预后建模整合。MRS在肿瘤生态系统中呈现显著的细胞间异质性，并与增强的细胞间通讯网络相关。GBM模型在跨队列中保持了稳健的预后性能，且高风险特征与免疫冷、肿瘤细胞主导的微环境密切相关。GPR143作为模型关键基因，被验证在黑色素瘤中促进肿瘤生长并与不良预后相关。研究也存在局限性，包括回顾性设计、单一单细胞数据集、细胞通讯分析为推断性质、MRS为转录组衍生指标等。总体而言，该研究表明mitoxyperilysis相关转录程序可在黑色素瘤中被检测到，并与独特的细胞状态和通讯模式相关，可用于构建稳健的预后模型，为免疫代谢死亡途径的临床转化提供了依据。
