基于代谢簇的前列腺癌预后分层与免疫代谢特征及治疗敏感性预测的三基因风险模型

《Cancer Management and Research》:A Metabolic Cluster–Derived Risk Model for Prognostic Stratification, Immunometabolic Profiling, and Therapeutic Sensitivity Prediction in Prostate Cancer

【字体: 大 中 小 】 时间:2026年10月13日 来源:Cancer Management and Research 2.6

编辑推荐:

  目的:代谢重编程是前列腺癌(prostate cancer)的一个标志性特征;然而,代谢相关基因在预后分层中的临床实用性仍然有限。 患者与方法:来自癌症基因组图谱(The Cancer Genome Atlas, TCGA)和基因表达综合数据库(Gene Ex

  
目的:代谢重编程是前列腺癌(prostate cancer)的一个标志性特征;然而,代谢相关基因在预后分层中的临床实用性仍然有限。 患者与方法:来自癌症基因组图谱(The Cancer Genome Atlas, TCGA)和基因表达综合数据库(Gene Expression Omnibus, GEO)的前列腺癌患者根据代谢相关基因表达被分为代谢相关簇。利用簇间差异表达的基因,通过最小绝对收缩和选择算子(least absolute shrinkage and selection operator, LASSO)回归构建了一个预后风险模型。研究人员系统评估了该模型与临床病理特征、基因组改变、代谢活性、免疫状态和治疗反应的相关性。计算分析包括用于预测免疫治疗反应的肿瘤免疫功能障碍与排斥(tumor immune dysfunction and exclusion, TIDE)评分和免疫表型评分(immunophenoscore, IPS)、用于评估药物敏感性的pRRophetic和CellMiner,以及用于筛选候选化合物的连接图谱(Connectivity Map, CMap)。在一项包含20例有随访数据患者的队列中进行了探索性免疫组织化学(immunohistochemistry, IHC)评估,并在另一个独立的14例患者队列中进行了定量聚合酶链反应(quantitative polymerase chain reaction, qPCR)验证。 结果:研究人员识别出两个具有不同生存结局和分子特征的代谢相关簇。一个三基因标志物将患者分为高风险组和低风险组,高风险组显示出更差的生存率、更强的肿瘤侵袭性、更高的肿瘤突变负荷(tumor mutational burden, TMB)和微卫星不稳定性(microsatellite instability, MSI),以及增强的代谢通路活性。该组还表现出免疫抑制微环境,并且预测其对某些免疫疗法和内分泌疗法的反应性降低,同时对特定化疗药物的耐药性增加。计算机模拟分析提出了若干候选小分子供高风险组进一步评估。基于IHC和qPCR的探索性实验显示,衍生评分与临床病理特征之间存在关联,为转录组学标志物提供了初步支持。 结论:这种源自代谢簇的三基因模型可能有助于前列腺癌的预后分层及免疫代谢异质性的表征。观察到的代谢异质性与计算预测的治疗敏感性之间的关联,为进一步探索潜在治疗策略提供了理论依据。

基于代谢簇的前列腺癌预后风险模型:整合免疫代谢特征与治疗敏感性预测的研究解读

研究背景与科学问题

前列腺癌(prostate cancer)是美国男性第二大癌症死亡原因,也是最常见的非皮肤恶性肿瘤。尽管治疗手段不断进步,仍有近三分之一的患者出现复发或进展,转移性疾病的五年生存率依然较低。当前临床风险评估主要依赖肿瘤-淋巴结-转移(TNM)分期、血清前列腺特异性抗原(PSA)水平、Gleason评分等指标,但这些指标主要反映疾病范围和病理学侵袭程度,难以完全解释同一临床类别内患者预后的显著差异。代谢重编程是前列腺癌的标志性特征之一,涉及三羧酸(TCA)循环、脂质代谢和氨基酸利用的改变,这些代谢适应不仅支持肿瘤生长,还影响免疫反应和药物敏感性。然而,现有的临床风险变量并未直接捕捉这些代谢特征。因此,开发能够整合代谢和免疫特征的生物标志物,对于改善患者分层和指导治疗决策具有重要意义。本研究旨在从代谢相关基因出发,构建一个能够反映免疫代谢异质性并预测治疗敏感性的预后风险模型。

研究方法概述

研究人员从TCGA(The Cancer Genome Atlas)和GEO(Gene Expression Omnibus)数据库获取了495例TCGA-PRAD和281例GSE16560共776例前列腺癌患者的转录组数据和临床信息。通过取交集获得88个候选代谢相关基因,采用共识聚类(consensus clustering)将患者分为两个代谢相关簇。利用簇间差异表达基因(DEGs),经单变量Cox回归筛选后,通过LASSO(least absolute shrinkage and selection operator)Cox回归和多变量Cox模型构建了三基因风险模型。模型性能通过时间依赖性受试者工作特征曲线(timeROC)和Kaplan-Meier生存分析进行评估。计算分析方面,研究人员使用TIDE(tumor immune dysfunction and exclusion)和IPS(immunophenoscore)预测免疫治疗反应,运用pRRophetic和CellMiner评估药物敏感性,并通过CMap(Connectivity Map)筛选候选化合物。此外,在20例有随访数据的患者队列中进行IHC(immunohistochemistry)验证,在14例独立患者队列中进行qPCR(quantitative polymerase chain reaction)验证。

研究结果

代谢相关簇A表现出侵袭性恶性特征

通过无监督聚类,研究人员将患者分为代谢相关簇A和簇B。生存分析显示,簇A患者的总体生存期(OS)和无进展生存期(PFS)均显著差于簇B。簇A表现出更高的关键基因突变频率(如SPOP和TP53)以及更高的拷贝数变异(CNV)。功能富集分析表明,簇A富集了增殖相关通路(如同源重组、DNA复制和错配修复)和代谢通路(如氧化磷酸化、RNA降解、叶酸生物合成和嘧啶代谢)。免疫分型显示,簇A主要表现为淋巴细胞耗竭表型。

代谢相关风险模型预测前列腺癌临床结局

研究人员基于簇间459个DEGs,通过LASSO Cox回归构建了三基因风险模型:风险评分 = 0.423×BIRC5 - 0.242×PROM1 - 0.159×MYBPC1。高风险组患者生存期显著缩短,死亡率随风险评分升高而增加。多变量分析确认风险评分和年龄均为独立预后因素。模型在训练集和内部测试集中的AUC值均超过0.64。

高风险组表现出侵袭性临床病理和分子特征

高风险组患者呈现更晚的T分期和N分期、更高的Gleason评分、更大的肿瘤负荷和更差的临床结局。研究人员构建了整合风险评分与临床病理变量的列线图(nomogram),其一致性指数(C-index)高于现有模型。高风险组还表现出更高的微卫星不稳定性(MSI)和肿瘤突变负荷(TMB),以及SPOP、TP53和TTN等基因更高的突变频率。错配修复基因MSH2和MSH6的表达与风险评分呈正相关。通路分析显示,高风险组富集了DNA复制、细胞周期、嘧啶和嘌呤代谢以及RNA降解通路。

高风险组表现出代谢激活和免疫抑制微环境特征

风险评分与RNA分解代谢、核苷代谢、mRNA代谢和脂肪酸稳态呈正相关。腺苷、葡萄糖、氨基酸、脂质和RNA代谢相关基因在高风险组中上调。免疫相关通路和免疫细胞浸润与风险评分呈负相关,活化的T细胞、B细胞和自然杀伤(NK)细胞的估计浸润量随风险评分升高而减少。高风险组富集淋巴细胞耗竭(C4)免疫亚型,炎症信号减弱,总体免疫评分降低。

高风险组对免疫治疗的预测响应性较低

高风险组的抗原呈递相关特征(包括人白细胞抗原HLA和主要组织相容性复合体MHC I类)显著下调,T细胞刺激分子表达降低。高风险组具有更高的TIDE评分,而预测的免疫治疗响应率、PD-L1表达、推断的细胞毒性T淋巴细胞(CTL)活性和总炎症评分(TIS)均较低。TCIA数据分析也显示,高风险组对抗CTLA-4和抗PD-1治疗的预测响应性较低。

高风险组对多种治疗的预测敏感性较低

在内分泌治疗反应数据可用的患者中,低风险组所有患者均达到完全缓解(CR),而高风险组则包括CR、部分缓解(PR)、疾病稳定(SD)和疾病进展(PD)。药物敏感性预测显示,高风险组对紫杉醇、吉非替尼和达沙替尼的敏感性较低。高风险组还表现出更高的耐药相关基因表达(如DHFR和PDK1)、更高的耐药相关基因突变频率(如TP53和EGFR)以及更高的耐药相关基因甲基化水平。

候选小分子的计算机筛选

CMap分析识别出AH6809、巯嘌呤和伊马替尼作为候选化合物。CellMiner分析显示,较高的风险评分与司美替尼、ARRY-162和考比替尼较低的半数抑制浓度(IC50)相关。pRRophetic预测PF-4708671和obatoclax在高风险组中具有更低的IC50值。

三基因标志物的RNA和蛋白水平探索性评估

在20例患者的IHC队列中,PROM1和MYBPC1在较高IHC-CS组中下调,BIRC5上调。探索性Kaplan-Meier分析显示,较高IHC-CS组的总生存期显著较差。单变量Cox回归提示较高IHC-CS值与更高的死亡风险相关。较高IHC-CS值还与更高的Gleason评分、肿瘤分级以及更晚的T分期和N分期相关。在14例患者的qPCR队列中,结果与IHC发现一致,较高的qPCR-CS与更晚的T、N、M分期、更高的Gleason评分和更低的游离/总PSA比值相关。

讨论与结论

本研究表明,高风险组以不良生存、增强的增殖和代谢活性以及增加的基因组不稳定性为特征。代谢激活与免疫抑制微环境并存,构成“冷”肿瘤表型,可能导致免疫逃逸和免疫治疗效果受限。高风险组对免疫治疗和内分泌治疗的预测响应性降低,对某些化疗和靶向药物耐药性增加,这与耐药基因上调、耐药相关突变积累和异常DNA甲基化一致。研究还通过计算机分析优先筛选了若干候选小分子供进一步研究。值得注意的是,该模型仅包含三个基因,有利于开发简便经济的组织检测方法。IHC和qPCR的探索性结果为转录组学标志物提供了初步的蛋白质水平和临床病理学支持。
结论:研究人员开发了一种源自代谢簇的三基因模型,该模型在前列腺癌中显示出与预后和免疫代谢特征的一致关联。计算分析揭示了代谢异质性与预测治疗反应之间的关联,同时识别了候选药物。这些发现支持在独立前瞻性队列中对该标志物进行进一步评估。该模型代表了一种有前景的预后工具,具有潜在的未来临床应用价值。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号