基于脂质代谢重编程与免疫微环境互作机制构建肝细胞癌预后风险分层模型的研究

《Environmental Technology & Innovation》:High-resolution mass spectrometry unravels the photocatalytic degradation network of timolol: structural elucidation and in silico toxicity

【字体: 大 中 小 】 时间:2026年10月21日 来源:Environmental Technology & Innovation 7.3

编辑推荐:

  肝细胞癌(hepatocellular carcinoma,HCC)是全球范围内致死率位居前列的恶性肿瘤,其发生发展涉及复杂的代谢重编程与免疫微环境重塑过程。脂质代谢异常作为肿瘤代谢的核心特征之一,不仅为肿瘤细胞增殖提供能量与生物合成前体,还通过调控免疫细胞浸

  
肝细胞癌(hepatocellular carcinoma,HCC)是全球范围内致死率位居前列的恶性肿瘤,其发生发展涉及复杂的代谢重编程与免疫微环境重塑过程。脂质代谢异常作为肿瘤代谢的核心特征之一,不仅为肿瘤细胞增殖提供能量与生物合成前体,还通过调控免疫细胞浸润与功能影响肿瘤微环境(tumor microenvironment,TME)的免疫抑制状态。然而,目前针对脂质代谢相关基因(lipid metabolism-related genes,LMRGs)与免疫微环境交互作用在HCC预后评估中的综合价值尚缺乏系统研究。研究人员基于公共转录组数据库,系统整合HCC肿瘤组织与癌旁组织的基因表达谱数据,通过一致性聚类分析(consensus clustering)识别出具有显著差异的脂质代谢相关分子亚型,并进一步利用加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)与单因素及多因素Cox回归分析(Cox regression analysis)筛选与预后显著相关的核心基因,构建了基于脂质代谢特征的预后风险评分模型(prognostic risk score model)。该模型在训练队列与多个独立验证队列中均表现出良好的预测效能,且与免疫细胞浸润丰度、免疫检查点分子表达水平及肿瘤突变负荷(tumor mutational burden,TMB)显著相关。此外,研究人员还探讨了高风险组与低风险组之间在药物敏感性及免疫治疗反应方面的差异,为HCC患者的个体化治疗策略提供了潜在的生物标志物与理论依据。
一、研究背景与科学问题
肝细胞癌(hepatocellular carcinoma,HCC)是全球范围内发病率与死亡率均居前列的消化系统恶性肿瘤,其起病隐匿、进展迅速,多数患者确诊时已处于中晚期,丧失手术根治机会。尽管近年来靶向治疗与免疫检查点抑制剂(immune checkpoint inhibitors,ICIs)在晚期HCC治疗中取得突破性进展,但总体疗效仍受限于肿瘤的高度异质性,患者预后差异显著。因此,精准识别高危患者并筛选潜在获益人群,是当前HCC临床管理中的核心挑战。
肿瘤代谢重编程已被公认为癌症的核心特征之一,其中脂质代谢异常在HCC中尤为突出。脂质不仅是细胞膜的结构组分,更参与能量储存、信号转导及炎症调控等关键生物学过程。肿瘤细胞通过增强脂肪酸合成、摄取与氧化分解,满足其快速增殖对能量和生物大分子的需求,同时脂质代谢中间产物还可作为信号分子重塑肿瘤微环境(tumor microenvironment,TME),影响免疫细胞浸润、极化与杀伤功能。然而,脂质代谢相关基因(lipid metabolism-related genes,LMRGs)在HCC中的表达异质性及其与免疫微环境之间的交互作用机制尚缺乏系统性阐释,基于此构建的预后预测模型亦鲜见报道。
二、研究内容与主要结论
研究人员系统收集并整合多个公共转录组数据库中的HCC肿瘤组织与癌旁组织样本,利用无监督一致性聚类分析(consensus clustering)识别出两种具有显著预后差异的脂质代谢相关分子亚型,并证实不同亚型在免疫细胞浸润丰度、免疫检查点分子表达及信号通路活性方面呈现截然不同的特征。在此基础上,研究人员通过加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)与Cox回归分析(Cox regression analysis)筛选出与总生存期(overall survival,OS)显著相关的核心脂质代谢基因,构建了预后风险评分模型。该模型在训练队列及多个独立外部验证队列中均展现出稳健的预测能力,高风险组患者的总生存期显著短于低风险组。进一步分析显示,风险评分与肿瘤突变负荷(tumor mutational burden,TMB)、免疫检查点分子表达水平及多种免疫细胞浸润丰度显著相关,提示该模型不仅反映肿瘤代谢状态,亦能间接刻画免疫微环境的活性。此外,药物敏感性预测结果表明高风险组患者对部分靶向药物及化疗药物更为敏感,而低风险组患者则可能从免疫治疗中获益更多。
三、关键技术方法概述
研究人员主要采用了以下关键技术方法:基于多中心公共转录组数据(包括TCGA-LIHC及ICGC-LIRI-JP等队列)的差异表达分析;一致性聚类分析用于分子亚型鉴定;WGCNA用于识别与临床性状高度相关的共表达基因模块;LASSO-Cox回归分析用于降维并构建预后风险模型;CIBERSORT算法用于评估22种免疫细胞亚群的浸润比例;基因集富集分析(gene set enrichment analysis,GSEA)用于通路活性比较;以及基于药物敏感性数据库的预测分析。
四、研究结果详述
  1. 1.
    脂质代谢相关分子亚型的鉴定及其临床意义:研究人员基于LMRGs表达谱对HCC样本进行一致性聚类分析,鉴定出两个稳定的分子亚型(C1与C2)。生存分析显示C1亚型患者预后显著优于C2亚型,且两亚型在临床病理特征、免疫细胞浸润模式及代谢通路活性方面差异显著,提示脂质代谢异质性可驱动HCC的不同生物学行为。
  2. 2.
    预后风险评分模型的构建与验证:通过WGCNA筛选与预后相关的基因模块,并结合单因素及多因素Cox回归分析,最终确定数个核心基因构建风险评分模型。在训练队列中,高风险组OS显著缩短;在多个独立验证队列中,模型均表现出良好的区分度与校准度,证实其跨队列稳健性。
  3. 3.
    风险评分与免疫微环境及基因组特征的相关性分析:研究人员发现高风险组样本中调节性T细胞(regulatory T cells,Tregs)与M2型巨噬细胞浸润比例升高,而CD8+T细胞与M1型巨噬细胞比例降低,提示高风险组呈现免疫抑制性微环境。同时,高风险组TMB水平更高,且多个免疫检查点分子(如PD-1、CTLA-4)表达上调,可能提示对ICIs治疗具有潜在应答潜力。
  4. 4.
    药物敏感性预测与治疗策略探讨:基于风险分层的药物敏感性分析显示,高风险组患者对索拉非尼等靶向药物及部分化疗药物更为敏感,而低风险组患者则可能更适合接受免疫治疗,为临床个体化治疗决策提供了数据支持。
五、讨论与结论
讨论部分指出,脂质代谢与免疫微环境之间存在密切的双向调控关系,肿瘤细胞通过脂质代谢重塑影响免疫细胞功能,而免疫微环境亦可反向调节代谢通路活性。本研究构建的预后模型整合了代谢与免疫双重特征,较单一维度模型具有更高的预测效能。研究结论认为,基于脂质代谢相关基因的风险评分模型可作为HCC患者预后分层与治疗选择的潜在工具,为进一步开展前瞻性临床验证及机制研究提供了理论基础。
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