细胞衰老相关基因在脑膜瘤复发中的作用：整合生物信息学与弹性网络模型的机制探索

《Hormones & Cancer》：Integrative bioinformatics analysis and elastic network modeling elucidate the role of cellular senescence in meningioma recurrence

本研究针对脑膜瘤术后高复发率的临床难题，通过整合GSE136661和GSE173825数据集，系统分析了细胞衰老相关基因（CSA-genes）在复发机制中的作用。研究人员采用差异表达分析、WGCNA、PPI网络构建和弹性网络回归模型，鉴定出CDK1、FOXM1、MYBL2、BIRC5四个关键基因，构建的预测模型AUC达0.816。研究发现复发肿瘤存在显著免疫异质性（中性粒细胞/M0巨噬细胞增多），且CSA-genes与免疫检查点VSIR显著相关。转录因子E2F1被确认为潜在调控因子，药物筛选提示达沙替尼和雷帕霉素具有治疗潜力，为脑膜瘤靶向治疗提供了新方向。

　　

作为中枢神经系统最常见的原发性肿瘤，脑膜瘤虽多数为良性，但位于颅底等手术困难区域的肿瘤或高级别脑膜瘤常表现出脑侵袭和高复发倾向。即使经过多次手术、化疗和放疗，这些亚型的复发率仍高达约90%。更令人担忧的是，世界卫生组织（WHO）Ⅰ级脑膜瘤在完全切除后仍有20%会复发，严重影响患者生存——非恶性脑膜瘤10年总生存率为81.4%，而恶性者仅为57.1%，Ⅲ级脑膜瘤的生存率更是低至0%。当前，复发脑膜瘤的手术切除或放疗仍面临巨大挑战，系统治疗的证据基础薄弱，许多在小型前瞻性研究中显示抗肿瘤活性的化合物，在后续试验中未能证实显著临床获益。因此，阐明潜在的生物学机制并研究新的靶向治疗策略至关重要。

近年来，细胞衰老策略引起了广泛关注。细胞衰老与肿瘤发生的关系错综复杂：初期被认为是一种有效的抗肿瘤机制，能通过诱导细胞周期停滞和促进凋亡来限制肿瘤细胞的增殖、侵袭和转移；然而，越来越多的研究揭示，衰老细胞（SNCs）可能对抗肿瘤疗法产生意想不到的不利影响。衰老细胞分泌多种因子的现象被称为衰老相关分泌表型（SASP），其在肿瘤微环境中的积累通过激活多条信号通路促进基质金属蛋白酶（MMPs）的表达，降解细胞外基质（ECM），释放上皮转化因子和生长因子，从而加速肿瘤生长和上皮-间质转化，促进肿瘤细胞增殖和侵袭。此外，肿瘤细胞中的衰老逃逸是抗肿瘤治疗失败和肿瘤复发的重要因素，而清除衰老细胞可延迟肿瘤发生，这些都提示肿瘤细胞衰老可能发挥促肿瘤作用。脑膜瘤是一种发病率随年龄显著增加的疾病，作为机体衰老的基本单位，细胞衰老在脑膜瘤发生、发展特别是复发中的作用尚属未知。

在此背景下，黄建煌等人发表在《Discover Oncology》的研究提出了创新性假设：细胞衰老在脑膜瘤复发中扮演关键角色。该研究通过整合生物信息学和弹性网络建模，旨在阐明细胞衰老在脑膜瘤复发中的作用，并为靶向治疗提供见解。

为开展此项研究，团队从基因表达综合（GEO）数据库获取了脑膜瘤的批量RNA测序转录组数据，主要使用包含15个复发和145个原发性脑膜瘤样本的GSE136661数据集作为发现集，以及包含5个复发和3个原发性脑膜瘤样本的GSE173825数据集作为验证集。结合细胞衰老基因数据库提供的503个细胞衰老相关基因，研究人员通过差异表达分析识别出1827个差异表达基因（DEGs），其中48个为细胞衰老相关差异表达基因（CSA-DEGs）。采用加权基因共表达网络分析（WGCNA）识别与复发表型最相关的基因模块，结合蛋白质-蛋白质相互作用（PPI）网络构建和弹性网络回归建模筛选关键基因。同时利用CIBERSORT算法进行免疫细胞浸润分析，通过NetworkAnalyst平台预测转录因子，并借助Enrichr数据库筛选潜在治疗药物。

细胞衰老相关DEGs与功能富集分析

在GSE136661数据集中，mRNA测序数据质量控制良好，复发组与原发性组间基因表达差异显著。差异表达分析共识别出1827个DEGs，其中847个下调、980个上调。与503个细胞衰老相关基因比对后，筛选出48个CSA-DEGs（35个上调、13个下调）。富集分析显示，这些基因显著富集于细胞周期调控、DNA复制等生物学过程，以及P53信号通路和细胞衰老等通路，提示衰老相关机制参与脑膜瘤复发。

WGCNA关键模块基因

WGCNA分析选择软阈值功率12构建共表达网络，识别出四个模块，其中MEgreen模块与复发表型相关性最高（r=0.42，p=2e-08）。该模块包含251个基因，富集分析显示这些基因主要参与细胞衰老、细胞周期、凋亡和P53信号通路等生物学过程，强调了细胞衰老与脑膜瘤复发表型的密切关系。

PPI网络构建与功能富集分析

将MEgreen模块基因与CSA-DEGs取交集，获得25个CSA-Hub基因。通过STRING数据库构建的PPI网络包含25个节点和246条边，显示显著的PPI富集（p<1.0e-16）。利用cytoHubba插件基于Degree和Betweenness算法评分，识别出网络中的关键基因。功能富集分析进一步证实这些基因参与细胞周期转换、DNA损伤响应信号转导、DNA复制等关键过程，以及细胞衰老、凋亡和P53信号通路等重要通路。

弹性网络模型分析

对1827个DEGs建立弹性网络模型，识别出19个系数非零的基因。该模型在区分原发性和复发性脑膜瘤方面表现出强大性能，AUC达0.816（95% CI：0.78-0.85）。将Degree和Betweenness算法排名前10的基因与弹性网络模型重要性排名取交集，最终确定四个CSA特征基因：CDK1、FOXM1、MYBL2和BIRC5。富集分析显示这些基因主要参与细胞周期转换、DNA损伤响应等生物学过程，以及细胞衰老、凋亡、P53信号通路等重要通路，同时涉及DNA IR损伤和细胞通过ATR的响应、CKAP4信号传导、IL-24信号传导等通路。

免疫浸润分析

CIBERSORT分析显示脑膜瘤样本间存在显著的免疫细胞浸润异质性。复发肿瘤组中性粒细胞（p=0.04）和M0巨噬细胞（p=0.007）比例显著增加，而嗜酸性粒细胞（p=0.03）和初始B细胞（p=0.03）比例显著降低。CSA特征基因与这些免疫细胞比例变化密切相关，且与免疫检查点分子VSIR显著相关（p=0.05），提示这些基因可能通过调节肿瘤免疫微环境参与脑膜瘤复发。

CSA特征基因的验证与评估

在GSE136661数据集中，CDK1、FOXM1、MYBL2和BIRC5的mRNA表达在复发性脑膜瘤中显著高于原发性（均P<0.001），且表现出优异的诊断性能，AUC值分别为0.813、0.849、0.872和0.840。这些发现在GSE173825数据集中得到验证，进一步证实了结果的可靠性和普适性。

转录因子探索与评估

利用TRRUST和JASPAR数据库预测调控CSA特征基因的转录因子，发现KLF4和E2F1为潜在调控因子。进一步分析显示，E2F1在原发性与复发性脑膜瘤间表达存在显著差异，而KLF4无显著差异，提示E2F1可能在调节CSA特征基因表达及脑膜瘤免疫微环境差异中发挥关键作用。

候选药物识别

通过Enrichr网站和DsigDB数据库富集分析筛选出前10种候选药物，包括植物雌激素、卢坎松、达沙替尼、曲格列酮等。其中达沙替尼和雷帕霉素因显著的抗脑膜瘤潜力成为最有前景的候选药物。达沙替尼作为多靶点酪氨酸激酶抑制剂，可通过抑制Eph受体酪氨酸激酶减缓肿瘤生长；雷帕霉素作为mTOR抑制剂，可诱导脑膜瘤细胞增殖抑制和细胞周期停滞。

本研究通过系统分析揭示了细胞衰老在脑膜瘤复发机制中的关键作用，并为未来治疗策略提供了新思路。研究发现不仅深化了对脑膜瘤复发机制的理解，还为个体化治疗提供了潜在的生物标志物和药物靶点。然而，该研究仍存在一定局限性，如基于公共转录组数据的生物信息学分析缺乏细胞和动物模型的功能验证，无法确定CSA基因的具体致病机制及其在脑膜瘤复发中的直接作用；数据集限制导致无法获取具体临床参数进行预后分析。未来研究应整合功能验证实验、动物模型、临床队列分析和多组学方法，全面阐明脑膜瘤复发的分子机制，并进一步评估候选药物的安全性和有效性。

尽管存在这些局限性，该研究仍为识别复发性脑膜瘤的生物学特征提供了初步的方法学基础，强调了某些基因在复发性脑膜瘤中上调的潜在生物学机制，可指导未来研究方向。通过聚焦细胞衰老相关基因，研究提出了涉及CDK1、FOXM1等关键基因和转录因子E2F1的调控网络，丰富了对脑膜瘤复发分子机制的认识，为靶向治疗开辟了新途径。