乳酸化修饰相关基因标志在非小细胞肺癌放疗抵抗中的预后与治疗反应预测价值分析

《Hormones & Cancer》：Lactylation-related gene signatures for prognosis and treatment response prediction in radiation-resistant non-small cell lung cancer

本研究针对非小细胞肺癌（NSCLC）放疗抵抗机制不清的临床难题，通过生物信息学方法系统探讨了乳酸化修饰（Lactylation）与放疗抵抗的关联。研究人员基于TCGA和GSE197236数据集，筛选出RRM2B、COL4A1和CD46三个关键乳酸化相关放疗抵抗基因（LARRGs），构建了风险评分模型，发现高LARRGs患者肿瘤微环境呈现免疫排斥/耗竭/抑制特征，且对化疗药物敏感性更高。该研究为NSCLC个体化放疗策略提供了新型分子靶点。

　　

在全球范围内，非小细胞肺癌（NSCLC）是最常见的恶性肿瘤之一，占所有肺癌病例的约85%，死亡率居高不下。尽管手术、化疗、靶向治疗和免疫治疗等手段不断进步，晚期患者的预后依然不容乐观。放疗作为NSCLC的标准治疗方式之一，在局部晚期或无法手术的患者中扮演着关键角色。然而，放疗抵抗的出现常常导致治疗失败和生存期缩短，这成为临床实践中的一大挑战。因此，深入探索放疗抵抗的分子机制，寻找新的治疗靶点，对于改善NSCLC患者的治疗效果至关重要。

近年来，乳酸化（Lactylation）作为一种新型的蛋白质翻译后修饰（PTM），吸引了研究者的广泛关注。乳酸化是指乳酸基团共价连接到蛋白质的赖氨酸残基上，从而调控基因转录和细胞功能。它与细胞代谢、肿瘤免疫微环境、DNA修复等关键生物学过程密切相关，并在多种癌症中显示出重要作用。肿瘤细胞通常通过瓦博格效应（Warburg effect）产生大量乳酸，这种代谢重编程为癌细胞提供了生长和生存优势。在NSCLC中，乳酸不仅是重要的代谢产物，还可能通过乳酸化修饰影响基因表达，进而调控肿瘤的生物学行为。有研究表明，乳酸化与肿瘤增殖、侵袭和免疫逃逸有关，并可能在放疗抵抗中发挥关键作用，例如通过改变肿瘤细胞代谢、影响免疫细胞浸润以及调控DNA损伤修复机制来影响放疗疗效。尽管已有研究建立了乳酸化与多种肿瘤生物学过程的联系，但其与NSCLC放疗抵抗的具体关系尚未被充分阐明。

为了填补这一空白，杨相等研究人员在《Discover Oncology》上发表了他们的最新研究成果。他们旨在利用肿瘤数据库探讨乳酸化与肺癌放疗抵抗之间的潜在联系，为NSCLC的个体化放疗策略提供新的分子靶点。

研究人员主要运用了以下几种关键技术方法：从癌症基因组图谱（TCGA）数据库和基因表达综合库（GEO）的GSE197236数据集中获取NSCLC基因表达数据；使用生物信息学工具（如DESeq2 R包）筛选放疗抵抗相关的差异表达基因（DEGs），并与分子特征数据库（MSigDB）中的乳酸化相关基因集进行交集分析；通过单变量和多变量Cox回归分析构建乳酸化-放疗抵抗风险评分模型，并利用Kaplan-Meier生存分析和受试者工作特征（ROC）曲线评估模型的预后预测性能；利用CIBERSORT、ESTIMATE等算法分析肿瘤微环境（TME）中的免疫细胞浸润特征；对来自GEO的单细胞RNA测序（scRNA-seq）数据集（如GSE207422）进行质量控制、批次效应校正、细胞聚类和注释，并使用UCell R包评估不同细胞类型中乳酸化相关基因特征的活动；利用oncoPredict R包基于GDSC2数据库预测高低乳酸化风险组对化疗药物和靶向药物的敏感性（IC₅₀）。

3.1 NSCLC放疗抵抗与乳酸化基因集的交集

通过分析GSE197236数据集（包含NSCLC A549细胞系及其放疗抵抗变体A549-RR），研究人员鉴定出1865个差异表达基因（DEGs）。将这些上调基因与乳酸化相关基因集进行交集分析，最终确定了23个乳酸化相关差异表达基因（LR-DEGs）。GO和KEGG富集分析显示，这些基因不仅富集于乳酸代谢过程，还显著富集于线粒体功能相关通路，如线粒体翻译调控和NADH脱氢酶复合物活性，提示乳酸化可能通过调节线粒体能量生产影响放疗抵抗。

3.2 基于乳酸化的放疗抵抗风险评分模型框架

通过对TCGA-LUAD接受放疗的患者队列进行单变量和多变量Cox回归分析，研究筛选出三个关键基因：RRM2B（保护性基因，HR<1）、COL4A1（风险基因，HR>1）和CD46（风险基因，HR>1）。基于这三个基因构建的风险评分模型能够将患者分为高风险和低风险组。Kaplan-Meier分析显示高风险组总生存期更短。ROC曲线分析表明，该模型对1年、3年和5年无病生存期（DFS）具有较高的预测效能（AUC值分别为0.76、0.847和0.89）。

3.3 公共数据库的验证结果

为了验证模型的可靠性，研究在TCGA的其他癌症队列（如BRCA、CESC、ESCA等）中进行了验证。结果表明，COL4A1和RRM2B的组合在多数癌症类型中表现出最佳的预测性能（例如在BRCA中AUC高达0.926），证明了该风险评分模型具有较高的适用性和稳定性。

3.4 高乳酸化-放疗抵抗对TME的影响

根据风险评分将TCGA-LUAD患者分为高LARRGs组和低LARRGs组后，肿瘤微环境分析显示，高LARRGs组表现出更强的免疫排斥、免疫耗竭和免疫抑制特征。具体表现为M2型巨噬细胞、髓源性抑制细胞（MDSCs）、调节性T细胞（Tregs）和癌症相关成纤维细胞（CAFs）活性增强，而树突状细胞功能和CD8⁺T细胞活性受到抑制。通路分析表明，高LARRGs组与基因组稳定性、细胞增殖、DNA修复以及代谢重编程相关通路（如缺氧、铁死亡）的活性增强相关。单细胞RNA测序分析进一步揭示，在高乳酸条件下，成纤维细胞（FIBROBLAST）和内皮细胞（ENDOTHELIAL）中乳酸化相关基因特征评分最高，提示这些基质细胞在乳酸介导的放疗抵抗中可能发挥关键作用。此外，研究还发现LARRG评分在KRAS突变型肿瘤中显著高于KRAS野生型肿瘤。

3.5 高低风险组对免疫治疗的敏感性差异

免疫检查点基因表达分析显示，低风险组中PDCD1（PD-1）、CTLA4、LAG3和TIGIT等免疫检查点的表达水平显著较低，提示高LARRGs患者的肿瘤微环境可能存在多重免疫抑制机制。

3.6 高低乳酸组放疗抵抗肺癌患者的抗癌治疗反应预测

药物敏感性分析表明，高乳酸化评分组对传统化疗药物（如紫杉醇、顺铂、5-氟尿嘧啶）和拉帕替尼更敏感，而低乳酸化评分组则对靶向治疗药物（如厄洛替尼、达沙替尼、尼拉帕利、曲美替尼）反应更好。这表明乳酸化评分有潜力作为抗癌疗法敏感性的预测指标。

本研究成功鉴定出RRM2B、COL4A1和CD46这三个与NSCLC放疗抵抗预后相关的乳酸化相关基因（LARRGs），并基于此构建了风险评分模型。该模型能有效对患者进行风险分层，并预测其对化疗和靶向治疗的反应。研究揭示了高乳酸化水平通过促进基因组修复、细胞增殖、代谢重编程以及塑造免疫抑制性肿瘤微环境等多种机制导致放疗抵抗。特别是发现了成纤维细胞和内皮细胞在乳酸介导的放疗抵抗中的潜在核心作用。这些发现不仅为理解NSCLC放疗抵抗的分子机制提供了新的视角，而且为开发针对乳酸化通路的个体化治疗策略和联合免疫治疗以克服放疗抵抗奠定了重要的理论基础，具有重要的临床转化价值。