解码胶质母细胞瘤中的乳酸化异质性：机器学习发现G6PC3是一个预后预测靶点

《BMC Cancer》：Decoding lactylation heterogeneity in glioblastoma: machine learning identifies G6PC3 as a prognostic target

　　

摘要

背景

胶质母细胞瘤（GBM）是成人中最常见的恶性胶质瘤，其预后极差，这凸显了迫切需要新的治疗策略来提高患者的生存率。乳酰化是一种新的翻译后修饰（PTM），它通过多种机制调节肿瘤的进展。然而，关于GBM中乳酰化的研究仍然有限且分散。

方法

本研究将GBM的单细胞测序数据与TCGA-GBM、CGGA325和CGGA693的批量数据进行了整合。我们首先构建了一个单细胞乳酰化相关基因表达评分（LAGES），并对高LAGES组和低LAGES组进行了亚群分析和功能富集。通过相关性分析明确了LAGES与恶性表型之间的关联，同时通过细胞通信分析探索了关键的相互作用途径。我们使用了10种机器学习算法来构建模型，并从中识别出关键基因，随后构建了一个Cox回归分析模型。此外，通过结合临床特征、功能富集、药物敏感性分析和体外实验验证了核心基因的功能。

结果

单细胞LAGES有效地将GBM细胞分为高表达和低表达亚群，这些亚群具有不同的功能特征。高LAGES肿瘤细胞在促侵袭性、促血管生成和免疫抑制途径中富集。低LAGES细胞表现出活跃的T细胞激活和代谢稳态。相关性分析证实LAGES与GBM的恶性表型（包括侵袭性、DNA修复和上皮-间质转化（EMT））呈正相关。细胞通信分析确定了SPP1-CD44轴是巨噬细胞与肿瘤细胞之间的关键相互作用途径。这一轴可能在高LAGES群体中放大恶性程度，尽管这一推断仍处于探索阶段，需要进一步的功能验证。在十种机器学习模型中，StepCox [backward] + 随机生存森林（RSF）模型在所研究的队列中表现出初步的最佳预后性能。G6PC3被确定为与乳酰化密切相关的顶级核心基因。G6PC3的表达随着胶质瘤级别的增加而增加，这一点通过组织微阵列得到了验证。临床上，高G6PC3表达与不良预后特征相关。在当前的数据集中，它也是IDH野生型GBM的一个独立不良预后因素。功能富集将G6PC3与G蛋白偶联受体（GPCR）信号传导、钙离子转运和胞吐作用联系起来。药物敏感性分析确定了六种针对高G6PC3 GBM的候选抑制剂，这些候选抑制剂需要进一步的临床前验证。值得注意的是，高G6PC3表达可能与对PD-1抑制剂的潜在更高反应相关——这是一个纯粹的假设生成性发现，目前没有直接的临床预测价值，需要在大型、特征明确的ICB治疗队列中进行严格验证。体外实验证实，G6PC3的敲低抑制了GBM细胞的增殖、迁移和侵袭性，同时促进了细胞凋亡。这验证了其在体外潜在的促肿瘤作用，但尚未在体内或临床中进行验证。

结论

我们构建了LAGES来解析GBM中的乳酰化异质性，并确定了G6PC3作为与乳酰化密切相关的关键基因。G6PC3可能作为一个初步的预后生物标志物，并作为探索GBM潜在免疫治疗反应的候选基因，但尚未明确其临床应用价值。其靶向抑制剂为精准治疗研究提供了一个初步的、探索性的新方向。深入理解乳酰化在GBM中的潜在作用为后续的转化研究奠定了基础，而不是暗示其立即具有转化应用性。