血管生成基因模型联合窄带成像技术提升头颈鳞癌早期诊断预后的探索性研究

本研究针对头颈鳞状细胞癌（HNSCC）早期诊断率低、预后差的临床难题，通过整合基因组特征分析（MSI/SCNA/mTMB）和生物信息学方法，构建了基于LMX1B、PRKAA2、SPINK6和TRIML2四个血管生成相关基因的预后模型。该模型在TCGA和ICGC数据集验证中表现出稳定预测性能（5年AUC达0.687-0.743），并结合窄带成像（NBI）技术显著提升早期病变诊断准确性，为HNSCC个体化诊疗提供了新策略。

　　

头颈部肿瘤是全球范围内常见的恶性肿瘤类型，其中头颈鳞状细胞癌（HNSCC）每年新发病例约500万例，占所有癌症病例的6%。尽管近年来诊断技术和治疗手段不断进步，但HNSCC患者的5年生存率仍徘徊在40%-50%之间。术后高复发率和转移率是影响患者生存结局的主要因素，而早期肿瘤诊断率低是导致这一现状的关键原因。因此，探索HNSCC发生发展过程中的分子分型机制，对改善治疗策略具有重要意义。

随着转录组测序和单细胞测序等技术的发展，为肿瘤诊断和预后评估提供了新途径。陆军军医大学西南医院耳鼻咽喉科团队在《Discover Oncology》发表的最新研究中，通过创新性地整合多组学数据，开发出血管生成相关基因标志物模型，为HNSCC的早期诊断和预后评估提供了新的解决方案。

研究团队采用多维度技术路线，首先从ICGC和UCSC Xena数据库获取HNSCC-US的表达谱、突变数据和临床信息，通过计算微卫星不稳定性负荷（MSI burden）、体细胞拷贝数变异负荷（SCNA burden）和突变肿瘤突变负荷（mTMB）三个主要肿瘤基因组突变特征，利用iCluster软件包进行无监督聚类分析，将488个样本分为三种基因组特征亚型。随后通过差异表达分析、单因素Cox回归和Lasso回归筛选出关键预后基因，构建风险评分模型，并在TCGA和ICGC数据集进行外部验证。免疫组化实验验证基因表达水平，结合窄带成像（NBI）技术评估诊断效能。

3.1 聚类分型获得三种亚型

通过突变特征矩阵的聚类分析，研究成功将HNSCC分为三个基因分型亚集（iC1、iC2、iC3）。主成分分析（PCA）显示三个亚集间存在明显分界，占比分别为37.5%、35.04%和27.46%。拷贝数变异（CNV）聚类热图显示每个亚型具有独特的CNV突变模式，且临床"事件"和"亚型"注释分布无重叠。

3.2 三种亚型间SNV和CNV差异分析

三维散点图显示三个特征维度上的样本分布具有明显差异。mTMB和SCNA负荷的箱线图显示三个组别间分布存在显著统计学差异（P<0.01）。MSI负荷堆积图显示各亚型间MSI负荷特征值分布显著不同。瀑布图显示iC1、iC2、iC3三个亚型的突变分布存在明显差异，CNV突变频率分布也具有显著统计学差异。

3.3 免疫细胞浸润和免疫检查点差异

CIBERSORT分析显示不同亚型间免疫细胞浸润比例存在显著差异。静息B细胞、初始CD4 T细胞、单核细胞、静息肥大细胞和活化肥大细胞等免疫细胞的相对丰度具有统计学意义（P<0.05）。免疫检查点PD-1（PDCD1）和CTLA4基因表达在亚型间存在显著差异，而PD-L1（CD274）表达无显著差异。TIDE算法预测显示iC3亚型中TIDE值<0的样本数量相对较多，提示该亚型免疫治疗效果可能优于其他亚型。

3.4 构建基于四个基因的风险模型

通过差异表达分析获得529个差异基因（P<0.01），从中筛选出30个最显著基因构建聚类热图。单因素Cox回归分析发现PRKAA2、LMX1B、SPINK6和TRIML4四个基因的P值均小于0.05，显示显著的预后差异。Lasso回归进一步筛选出关键基因，构建风险评分模型：风险评分=0.236×LMX1B+(-0.149)×PRKAA2+(-0.137)×SPINK6+0.339×TRIML2。

3.5 模型外部验证表现良好

TCGA数据集Kaplan-Meier分析显示高风险组和低风险组预后差异显著（P<0.01），1、3、5年AUC值分别为0.654、0.651、0.687。ICGC数据集验证同样显示显著预后差异（P<0.01），1、3、5年AUC值分别为0.593、0.672、0.743，表明模型具有良好的预测性能。

3.6 风险模型在临床数据中的差异

基于TCGA临床数据的Kaplan-Meier曲线显示，在N0、N1-3、T1-3、T4、吸烟、非吸烟、饮酒和非饮酒等临床分类下，高低风险组均表现出良好的预测效果。免疫细胞浸润分析显示，浆细胞、γδ T细胞、静息树突状细胞和中性粒细胞等22种免疫细胞在高风险组和低风险组间的比例存在显著统计学差异（P<0.05）。

3.7 风险评分作为独立预后因素

多因素Cox回归分析显示，在TCGA数据集中，神经周围浸润和风险评分在单因素和多因素分析中均具有显著统计学意义（P<0.05）。在ICGC数据集中，仅风险评分在单因素和多因素分析中保持统计学意义（P<0.05），其他临床因素未表现出较强的预后能力，证实风险评分在两个数据集中均为独立预后因素。

3.8 风险模型联合NBI提升早期诊断效能

通路分析显示风险模型与肿瘤血管生成通路显著相关。免疫组化证实癌组织中LMX1B、PRKAA2和TRIML2高表达，而SPINK6表达水平下降。在有限样本量中，风险模型联合NBI显示出完美的判别能力，优于标准NBI（94.1%）的诊断准确性。

该研究的创新性在于首次利用MSI、SCNA和mTMB特征值对头颈肿瘤进行分类，成功识别出三种具有不同免疫特征的亚型。四个关键基因LMX1B、PRKAA2、SPINK6和TRIML2的功能机制与肿瘤血管生成密切相关：LMX1B通过WNT信号通路参与血管生成；PRKAA2编码的AMPKα2亚基是血管生成的重要通路；SPINK6在肿瘤中的作用存在争议但确与预后相关；TRIML2可能通过增强p53 SUMO化调控血管生成通路。

尽管研究通过免疫组化在蛋白水平验证了这些基因在肿瘤组织中的过表达，但其在肿瘤血管生成或进展中的直接功能证据仍需进一步通过基因敲除/敲低等实验验证。此外，TCGA-HNSC包含所有头颈部肿瘤类型，且人种以白人和黑人为主，而头颈肿瘤在黄种人中更为常见，因此结果需要在各肿瘤类型中进一步验证。

该研究构建的首个整合基因组特征与临床数据的预后模型，为HNSCC患者个体化治疗策略制定提供了新依据。风险模型联合NBI技术的方法，有望在临床实践中提升早期头颈肿瘤的诊断准确性，改善患者预后。未来研究将通过循环肿瘤细胞单细胞测序等技术，进一步验证这四个基因在不适于手术患者中的表达情况，推动精准医疗在头颈肿瘤领域的应用。