整合单细胞RNA测序（scRNA-seq）和机器学习技术，发现MNAT1是口腔鳞状细胞癌（OSCC）的治疗靶点

《Frontiers in Immunology》：Integrating scRNA-seq and machine learning identifies MNAT1 as a therapeutic target in OSCC

口腔鳞状细胞癌（OSCC）预后模型构建及MNAT1驱动机制研究。基于泛素化修饰与T细胞相关基因的多组学分析，建立包含MNAT1、PSMD10和EIF3F的风险评分模型，验证其与免疫微环境重塑及化疗/免疫治疗响应相关。发现MNAT1通过MIF信号轴调控上皮-巨噬细胞互作，促进肿瘤进展，为精准治疗提供新靶点。

　　口腔鳞状细胞癌（OSCC）是全球范围内发病率和死亡率均较高的口腔及颌面部肿瘤类型之一，其不仅对患者的生命健康构成严重威胁，还给家庭和社会带来沉重的经济负担和心理压力。由于OSCC的发病机制复杂，不同个体对治疗的反应存在显著差异，因此迫切需要开发新的生物标志物和预测模型，以推动精准医学的发展。近年来，随着测序技术的快速发展，科学家能够深入探索个体的基因组信息，从而发现与OSCC相关的遗传变异和基因表达差异。这些发现不仅为疾病的诊断、预后预测和治疗效果评估提供了潜在的生物标志物，也为制定精准治疗策略提供了坚实的科学依据。此外，单细胞测序技术的应用，使得研究人员能够更细致地分析肿瘤细胞与免疫细胞之间的相互作用，为OSCC的治疗和研究开辟了新的方向。

T细胞作为免疫系统中的重要组成部分，在对抗感染、肿瘤和自身免疫疾病中发挥着关键作用。通过单细胞测序技术和高通量测序手段，科学家对T细胞的亚型及其功能有了更深入的理解，揭示了它们与癌症发生发展之间的密切关系。已有研究表明，调节性T细胞（Tregs）与中性粒细胞胞外陷阱的相互作用在非酒精性脂肪肝病的致癌过程中扮演重要角色。而Liang等人的研究进一步指出，在非小细胞肺癌中，肿瘤相关Tregs具有独特的免疫特征，并显著影响肿瘤微环境的重塑。此外，口腔癌患者中T细胞表面PD-1的上调以及其配体PD-L1的表达，被广泛认为是介导免疫逃逸和治疗抵抗的重要机制。因此，深入研究口腔癌与T细胞之间的相互作用，对于理解疾病机制、建立预后指标以及开发新的治疗策略具有重要意义。

泛素化作为一种重要的蛋白质后翻译修饰，通过特定酶或生物分子对氨基酸进行化学修饰，从而影响蛋白质的功能。泛素化在多种疾病中发挥关键作用，包括癌症、神经退行性疾病和心血管疾病。例如，由CUL3介导的泛素化过程抑制了自噬，从而促进肿瘤的发展。在肝细胞癌中，通过抑制HBx介导的泛素化和降解GSK3β，MYH9的敲低可以抑制肿瘤干细胞特性。此外，在OSCC中，NEDD4L通过诱导ENO1的泛素化和随后的蛋白酶体降解，抑制了糖酵解和细胞增殖。这些研究为理解泛素化在疾病中的作用提供了重要线索，同时也提示了泛素化相关分子在癌症治疗中的潜在价值。

本研究通过整合泛素化相关分子与T细胞相关基因，构建了一个新的预后模型，旨在更准确地预测OSCC患者的生存率和治疗反应。通过多组学分析，包括批量和单细胞RNA测序，我们发现MNAT1是该模型中的一个重要生物标志物。MNAT1是细胞周期激活激酶（CAK）复合体的核心亚基，对细胞周期进展和DNA损伤修复具有重要调控作用。在其他实体瘤中，MNAT1已被证实具有促进恶性进展的特性，例如通过AKT1的上调促进骨肉瘤肺转移，以及通过SMYD2介导的过表达在胰腺导管腺癌的发病过程中起关键作用。尽管MNAT1在多种癌症中显示出相似的致癌机制，但其在OSCC中的表达模式、功能意义和作用机制仍需进一步探索。目前的研究表明，MNAT1可能通过特定的信号通路，如MIF和IFN-II信号轴，与肿瘤相关巨噬细胞（TAMs）进行交流，协同推动OSCC的进展。

为了构建这一预后模型，我们采用了多种先进的计算方法，包括加权基因共表达网络分析（WGCNA）和最小绝对收缩和选择算子（LASSO）回归。这些方法不仅有助于识别与预后相关的关键基因，还能有效防止模型过拟合，提高预测的准确性。通过LASSO-Cox回归分析，我们确定了三个关键基因（MNAT1、PSMD10和EIF3F），这些基因在OSCC患者的预后预测中表现出最佳的性能。为了验证模型的预测效果，我们使用了TCGA数据库和GSE41613数据集进行内部和外部验证，结果表明高风险评分的患者具有更差的预后。此外，我们还利用Kaplan-Meier分析、ROC曲线和校准曲线等方法，对模型的临床适用性和预测能力进行了全面评估。

在免疫微环境方面，我们利用CIBERSORT算法对21种免疫细胞亚群的组成进行了分析，发现风险评分与某些免疫细胞亚群的丰度存在显著的负相关，如未激活的B细胞、静止的肥大细胞和调节性T细胞，而与某些免疫细胞亚群如静止的树突状细胞、激活的肥大细胞和激活的NK细胞则呈正相关。这一发现提示，风险评分可能反映了免疫微环境的某种状态，从而影响患者的治疗反应。通过ESTIMATE算法，我们进一步分析了肿瘤组织的免疫、基质和整体微环境评分，发现高风险评分组的这些评分显著降低，表明其免疫微环境可能处于一种更加不利的状态。此外，我们还对微卫星不稳定性（MSI）评分进行了比较分析，发现高风险评分组的MSI评分较高，这可能意味着该组患者在免疫治疗中具有更好的治疗反应。

在基因突变分析方面，我们对TCGA数据库中的OSCC患者数据进行了深入研究，发现主要的突变类型为错义突变，其中单核苷酸变异（SNVs）是最常见的突变形式。通过比较高风险组和低风险组的突变频率，我们发现某些基因如CSMD3、LRP1B、SYNE1、CASP8和PCLO在高风险组中表现出更高的突变率。这些突变可能影响基因功能，从而促进肿瘤的发展和恶化。此外，我们还分析了不同化疗药物在高风险组和低风险组中的敏感性，发现低风险组对5-氟尿嘧啶、紫杉醇和多西他赛的敏感性较低，而高风险组对Entinostat的敏感性也较低。这些结果为临床选择合适的化疗药物提供了重要参考。

为了深入理解风险评分组之间的分子机制差异，我们进行了功能富集分析，包括基因本体（GO）和京都基因与基因组百科全书（KEGG）分析。在GO分析中，我们发现高风险组和低风险组在生物过程（BP）中主要富集于核糖体生物生成、氧化磷酸化和干扰素α/γ反应等通路。在细胞成分（CC）分析中，核糖体和线粒体蛋白复合物的富集尤为显著，而在分子功能（MF）分析中，钙粘蛋白结合、翻译因子活性和RNA结合等功能被突出显示。这些结果提示，核糖体、rRNA处理和钙粘蛋白结合等功能可能在肿瘤的发生和发展中起关键作用。此外，KEGG通路分析进一步揭示了核糖体和细胞周期通路在OSCC中的重要性，而HALLMARK分析则显示了TGF-β信号通路、PI3K/AKT/mTOR信号级联和TNFα/NFκB信号轴的显著富集。这些发现不仅支持了我们对预后差异的分析，还为未来探索治疗靶点提供了重要线索。

为了进一步阐明关键基因在肿瘤上皮细胞中的作用，我们进行了伪时间轨迹分析。通常，伪时间轨迹分析是从低分化状态向高分化状态进行转化的过程。我们的结果显示，MNAT1、EIF3F和PSMD10在低分化状态下高度表达，提示这些关键基因在促进肿瘤恶性进展中起重要作用。此外，我们还进行了细胞通讯分析，发现肿瘤上皮细胞与巨噬细胞之间的主要交流途径是MIF和IFN-II信号通路。已有研究表明，MIF和IFN-II在多种癌症模型中具有重要作用，且与癌症的发生和发展密切相关。因此，我们推测MNAT1可能通过MIF介导的上皮-巨噬细胞通讯，促进巨噬细胞向M2型极化，从而推动OSCC的进展。

尽管本研究取得了一定成果，但仍存在一些局限性。首先，虽然我们利用了多个公共数据库来构建和验证预测模型，但部分数据集可能缺乏完整的临床信息，这可能影响模型的准确性和适用性。因此，未来我们计划在本医院前瞻性地收集样本和数据，通过深入分析来弥补这一不足。其次，尽管当前模型在研究队列中表现出良好的性能，但其临床适用性仍需进一步验证。我们的研究队列主要来自单一机构，具有相对同质的种族背景。由于不同种族和地区的遗传背景、生活方式和环境因素可能存在显著差异，这些因素可能影响基因表达模式，从而影响模型的性能。因此，我们计划在后续研究中使用本地患者队列进一步验证模型。最后，我们的模型主要基于接受初始治疗的患者数据，而非经过多次化疗和免疫治疗的患者。这可能限制了模型在评估不同治疗背景患者中的适用性。未来，我们希望收集更多具有不同治疗背景的患者数据，以构建更准确的模型。

综上所述，本研究构建了一个基于泛素化修饰和T细胞相关基因的预后模型，该模型能够更准确地预测OSCC患者的生存率和治疗反应。我们还发现MNAT1作为OSCC的致癌驱动因子，通过MIF介导的上皮-巨噬细胞交流，促进巨噬细胞向M2型极化，从而推动肿瘤的进展。这些发现不仅具有重要的临床应用价值，还为未来的研究提供了新的方向。通过深入理解这些关键基因的功能和作用机制，我们有望开发出更有效的治疗策略，提高OSCC患者的生存率和生活质量。