基于多组学的肾上腺皮质癌分子分型揭示免疫治疗与靶向治疗应答新机制

《Hormones & Cancer》：Multi-omics-based molecular classification of adrenocortical carcinoma predicts response to immunotherapy and targeted treatments

肾上腺皮质癌(ACC)是一种罕见且高侵袭性的恶性肿瘤，预后极差。本研究通过整合转录组、表观遗传和基因组变异数据，应用10种聚类算法，鉴定出两种稳健的分子亚型（MACCS1和MACCS2）。MACCS1呈增殖驱动表型，预后差；MACCS2呈免疫激活状态，对免疫检查点抑制剂更敏感。研究还发现HOXC11是MACCS1的关键预后因子，体外实验证实其促进肿瘤增殖。该研究为ACC的精准治疗提供了重要理论依据。

　　

肾上腺皮质癌（Adrenocortical Carcinoma, ACC）是一种起源于肾上腺皮质的罕见内分泌恶性肿瘤。虽然其发病率不高，但具有高度的侵袭性，患者一旦发生转移，5年生存率将骤降至15%以下，给全球带来沉重的健康和经济负担。由于ACC早期症状不典型，多数患者确诊时已处于晚期，失去了根治性手术的机会。目前，对于晚期ACC患者，米托坦（mitotane）辅助治疗是标准方案，但疗效有限，这主要归因于肿瘤异质性显著、明确的治疗靶点缺乏以及耐药机制不明。更令人困扰的是，尽管免疫治疗在多种肿瘤中取得了突破，但在ACC中却收效甚微。研究表明，ACC的肿瘤微环境（Tumor Microenvironment, TME）通常表现为“免疫荒漠”状态，效应免疫细胞（如CD8⁺T细胞）浸润显著少于黑色素瘤等“免疫热”肿瘤，这阻碍了抗肿瘤免疫反应的启动和效应。因此，建立精细的分子分型体系，揭示不同亚型的生物学特性，并据此寻找新的治疗靶点和预测性生物标志物，是实现ACC精准治疗、改善患者预后的迫切需求。

以往的研究多依赖于转录组聚类或单组学分析，虽能提供一定的预后信息，但其治疗指导意义有限。为了弥补这一空白，研究人员开展了一项整合多组学数据的深入研究，旨在构建更稳健、更具临床指导意义的ACC分子分型模型。相关研究成果已发表在《Discover Oncology》上。

为了开展这项研究，研究人员主要应用了几个关键技术方法。首先，他们从癌症基因组图谱（The Cancer Genome Atlas, TCGA）数据库获取了ACC患者的完整多组学数据（包括转录组-mRNA、lncRNA、miRNA、DNA甲基化和体细胞突变）及生存信息。同时，从基因表达综合（Gene Expression Omnibus, GEO）数据库获取了四个独立数据集（GSE10927, GSE33371, GSE70621, GSE19750）用于外部验证。其次，他们利用MOVICS软件包整合了10种多组学共识聚类算法（如COCA、Consensus Clustering、iClusterBayes等），以确定最优的分子亚型数量，并通过聚类预测指数（Cluster Prediction Index, CPI）和Gap统计量进行评估。此外，研究还采用了基因集变异分析（Gene Set Variation Analysis, GSVA）、单样本基因集富集分析（ssGSEA）进行通路富集分析，利用多种算法（如ESTIMATE、TIDE）评估免疫浸润和免疫治疗应答预测，并通过肿瘤突变负荷（Tumor Mutation Burden, TMB）分析基因组特征。药物敏感性分析则基于GDSC（Genomics of Drug Sensitivity in Cancer）和CMap（Connectivity Map）数据库进行预测。最后，在体外实验中，使用ACC细胞系NCI-H295R，通过小干扰RNA（siRNA）沉默HOXC11基因，并利用细胞计数试剂盒（CCK-8）和克隆形成实验验证其对细胞增殖的影响。

3.1 基于多组学共识聚类鉴定新的ACC分子亚型

研究人员整合了TCGA和GEO数据集中的多组学数据，应用10种聚类算法进行无监督共识聚类。CPI和Gap统计量一致表明2个聚类是最优解，从而定义了两种新的分子亚型：MACCS1和MACCS2。共识矩阵和轮廓图证实了该分类的稳健性。分子特征分析显示，MACCS1在mRNA水平高表达SNHG19、MIR202HG等与不良预后相关的基因；在miRNA水平富集miR-183、miR-139等；并具有更高的TP53、CTNNB1等基因突变频率，表明其基因组不稳定性更高。而MACCS2则富集线粒体基因（如MT-ATP8、MT-ND4），提示其氧化磷酸化代谢活跃。生存分析明确显示，MACCS1患者的总生存期（OS）、无进展生存期（PFS）、疾病特异性生存期（DSS）和无病间隔期（DFI）均显著差于MACCS2患者，表明MACCS1是高风险亚型。通过在四个独立GEO数据集上进行最近模板预测（Nearest Template Prediction, NTP）分析，成功验证了MACCS1和MACCS2亚型的存在及其与不良预后的关联，证明了该分型的可重复性和临床意义。

3.2 MACCS分型与ACC的增殖行为相关

为了探索亚型间的生物学差异，研究人员进行了差异表达和富集分析。基因本体论（Gene Ontology, GO）分析显示，MACCS1中上调的基因富集于染色体分离、DNA复制、细胞器分裂等细胞周期相关通路。MOVICS和GSVA分析进一步证实，MACCS1与E2F靶标、G2/M检查点、PI3K/AKT/mTOR等致癌通路的激活相关。相反，MACCS2则富集于KRAS信号、干扰素-γ反应、血管生成等肿瘤抑制和免疫相关通路。这些发现从功能上解释了MACCS1的增殖驱动特性和MACCS2的免疫激活状态。

3.3 免疫景观分析揭示MACCS2为免疫热亚型

免疫特征比较发现，MACCS2中关键免疫检查点分子（如CD274/PD-L1, PDCD1LG2/PD-L2）表达显著上调，且活化的CD4⁺记忆T细胞等免疫细胞浸润更丰富，形成了“免疫热”的肿瘤微环境。ESTIMATE算法也显示MACCS2的免疫评分、基质评分和综合评分更高。尽管MACCS1具有更高的肿瘤突变负荷（TMB），但其免疫激活程度低，提示存在免疫逃逸机制。TIDE算法预测MACCS2患者对免疫检查点抑制剂（Immune Checkpoint Inhibitors, ICIs）的应答率更高。通路分析表明MACCS2与CD8⁺T细胞活性、抗原呈递等抗肿瘤免疫相关，而MACCS1则与上皮间质转化（Epithelial-Mesenchymal Transition, EMT）和DNA修复通路相关，这可能通过维持基因组稳定和免疫抑制信号来促进免疫逃逸。

3.4 亚型特异性药物敏感性分析

药物敏感性分析显示，MACCS1对酪氨酸激酶抑制剂阿西替尼（axitinib）和帕唑帕尼（pazopanib）等更敏感。基于CMap数据库的分析还筛选出可能对MACCS1有效的候选小分子。而基于GDSC数据库的预测表明，MACCS2对吉非替尼（gefitinib）、来那度胺（lenalidomide）等靶向EGFR、MAPK、JAK/STAT通路的抑制剂更敏感。这为不同亚型的个性化治疗提供了方向。

3.5 MACCS1和MACCS2展现不同的基因组图谱

突变谱分析显示，MACCS1中最常突变的基因是CTNNB1(17%)、TP53(17%)、TTN(13%)等经典驱动基因。而MACCS2则以MUC16(36%)、HMCN1(21%)等突变为主，这些多为“乘客”突变。共突变分析显示MACCS1具有更复杂的共突变网络，而MACCS2则相对简单。拷贝数变异（Copy Number Variation, CNV）分析显示两亚型间的CNV负荷无显著差异。

3.6 HOXC11是ACC的潜在诊断和治疗靶点

鉴于MACCS1预后极差，研究人员通过随机森林（Random Forest）和单变量Cox回归分析，将HOXC11确定为MACCS1亚型中最重要的预后基因。HOXC11高表达与较差的OS、DFS、DSS和PFS显著相关，且在晚期肿瘤（T3/T4）中表达更高。基因组分析发现HOXC11高表达组伴随更高的TP53、PKHD1突变频率以及9p23、9p21.3位点的缺失事件。富集分析显示HOXC11高表达与G2/M检查点、E2F靶标等细胞周期通路激活相关。体外功能实验证实，沉默HOXC11能显著抑制ACC细胞的增殖和克隆形成能力，表明HOXC11是促进ACC增殖的关键因子。

本研究通过多组学整合分析，成功构建了ACC的分子分型系统（MACCS），深刻揭示了不同亚型在预后、生物学行为、基因组景观和治疗敏感性方面的显著差异。MACCS1亚型表现为增殖驱动、预后差，对特定的靶向药物（如阿西替尼）敏感；而MACCS2亚型表现为免疫激活、预后相对较好，可能从免疫检查点抑制剂治疗中获益。此外，鉴定出的关键因子HOXC11不仅是MACCS1高危亚型的强大预后生物标志物，其促增殖功能也经体外实验验证，成为一个潜在的治疗靶点。这些发现不仅深化了对ACC这一难治性疾病分子机制的理解，更重要的是，为临床实施基于分子分型的精准治疗（如对MACCS2患者采用免疫治疗，对MACCS1患者探索针对HOXC11等的靶向治疗）提供了坚实的理论依据，有望显著改善ACC患者的临床预后。尽管研究存在样本量相对有限、缺乏体内模型验证等局限性，但其提出的MACCS分型框架和发现的HOXC11靶点，为未来更大规模的临床研究和药物开发指明了方向。