口腔鳞癌与牙周病共同分子机制的综合生物信息学分析：聚焦FNDC3B在ECM重塑与免疫微环境中的关键作用

《Hormones & Cancer》：Integrated bioinformatics analysis of common molecular mechanisms and biomarkers in oral squamous cell carcinoma and periodontal disease

本研究针对口腔鳞癌(OSCC)与牙周病(PD)分子机制关联性不明的科学问题，通过整合多组学数据与机器学习算法，首次系统揭示FNDC3B作为双疾病关键生物标志物的核心价值。研究人员采用WGCNA构建基因共表达网络，结合LASSO、随机森林与SVM-RFE筛选特征基因，发现FNDC3B通过调控ECM受体相互作用通路参与免疫细胞浸润调控。单细胞测序进一步验证其巨噬细胞特异性表达模式，为双疾病早期诊断与靶向治疗提供新视角。

　　

当我们在谈论口腔健康时，往往将口腔癌和牙周病视为两个独立的领域。然而越来越多的证据表明，这两种疾病之间存在着千丝万缕的联系。口腔鳞状细胞癌(OSCC)作为最常见的口腔恶性肿瘤，全球每年新增病例超过30万，五年生存率仅约50%，其发病与吸烟、饮酒、HPV感染等多种因素相关。而牙周病(PD)作为一种慢性炎症性疾病，不仅导致牙齿丧失，更与心血管疾病、糖尿病等系统性疾病密切相关。近年研究发现，PD患者罹患口腔癌的风险显著增加，这提示两种疾病可能共享某些关键的分子机制。

这种关联性背后的生物学基础究竟是什么？慢性炎症环境如何促进癌变过程？这些问题成为口腔医学领域亟待解决的重要科学问题。Wu等研究人员在《Discover Oncology》发表的最新研究，通过整合多组学数据分析，为我们揭示了OSCC与PD之间的分子桥梁。

为了回答这些问题，研究团队开展了一项名为"口腔鳞状细胞癌与牙周病共同分子机制和生物标志物的综合生物信息学分析"的研究。他们收集了TCGA数据库中的340例OSCC样本和32例正常组织，以及GEO数据库中的GSE10334数据集（包含64例正常和183例PD样本）。通过差异表达分析、加权基因共表达网络分析(WGCNA)、功能富集分析以及多种机器学习算法（包括LASSO回归、随机森林和SVM-RFE），系统筛选并验证了两种疾病共同的关键分子标志物。此外，研究还利用CIBERSORT进行免疫浸润分析，并采用单细胞RNA测序技术深入解析关键基因的细胞分布特征。

3.1 OSCC和PD中差异表达基因的鉴定

研究人员首先对OSCC和PD的转录组数据进行了差异表达分析。在OSCC中，采用|Log₂FC|>1和FDR<0.05的阈值，共鉴定出2081个DEGs，其中918个基因上调，1163个基因下调。而在PD中，使用相对宽松的阈值(|Log₂FC|>0.5，FDR<0.05)，发现了988个DEGs，包括588个上调基因和400个下调基因。这种阈值选择的差异考虑到了两种疾病不同的生物学和转录组特征，确保了DEGs鉴定的可靠性。

3.2 疾病相关基因模块的共表达网络分析

通过WGCNA分析，研究团队构建了OSCC和PD的基因共表达网络。OSCC选择软阈值功率为6，PD选择16，以确保网络满足无标度拓扑特征。基因被分类到不同的模块中，并通过Spearman相关分析评估模块与疾病状态的关系。在OSCC中，MEgreen、MEpurple、MEred和MEtan四个模块与疾病状态呈强正相关；而在PD中，MEblack、MEblue、MEgrey和MEred模块被选中进行后续分析。这些模块中的基因可能参与免疫调节、上皮转化或组织重塑等关键病理过程。

3.3 OSCC和PD中的ECM重塑和炎症通路特征

通过取OSCC和PD的DEGs与WGCNA模块基因的交集，研究人员获得了33个共同基因。GO富集分析显示，这些基因主要富集在细胞外基质组织、细胞外结构组织和外部包裹结构组织等生物学过程。细胞成分分析表明它们主要定位在含胶原的细胞外基质和基底膜，分子功能则与细胞外基质结构成分和胶原结合相关。KEGG分析进一步揭示了IL-17信号通路和松弛素信号通路是两种疾病共同涉及的主要通路，这表明炎症相关信号可能是连接OSCC和PD发病机制的汇聚机制。

3.4 机器学习算法识别关键生物标志物

研究团队应用三种机器学习算法进一步筛选关键基因。LASSO回归在OSCC中识别出14个特征基因，在PD中识别出8个；随机森林(RF)基于重要性分数>1的标准，分别在OSCC和PD中选出17和30个特征基因；SVM-RFE在达到最大准确度时，分别选择了33个(OSCC)和28个(PD)基因。三种方法的交集最终确定了10个OSCC关键基因和7个PD关键基因。在OSCC中，COL4A1、MMP9、AIM2、CTHRC1、TRAM2、PDIA4、CKAP2和FNDC3B表达上调，HOMER2和SLC2A10下调；而在PD中，FNDC3B、RGS4、PDGFRB、TDO2、VCAN和MMP7上调，HOMER2下调。

3.5 特征基因验证和风险预测

利用独立数据集GSE246050(OSCC)和GSE223924(PD)进行验证，确认了大多数特征基因的表达模式。在OSCC中，除SLC2A10外，其他基因的表达差异均得到验证；在PD中，所有特征基因的表达模式均得到确认。基于这些基因构建的列线图模型能够根据基因表达谱预测疾病风险，校准曲线和决策曲线分析表明模型具有良好的预测性能和临床实用性。

3.6 免疫细胞浸润和ECM信号激活

免疫浸润分析显示，OSCC组织中巨噬细胞浸润增加，而PD样本中浆细胞和中性粒细胞水平升高。Spearman相关分析表明，在OSCC中，HOMER2与树突状细胞和中性粒细胞呈正相关，与初始B细胞负相关；FNDC3B与M0巨噬细胞正相关，与NK细胞负相关。在PD中，HOMER2与树突状细胞正相关，与浆细胞负相关；FNDC3B与浆细胞和CD4⁺ T细胞正相关，与树突状细胞和M1巨噬细胞负相关。GSEA分析进一步显示，FNDC3B在OSCC和PD中均与ECM受体相互作用通路正相关。

3.7 单细胞转录组学揭示细胞类型特异性表达

单细胞RNA测序分析显示，在OSCC中，细胞被分为10个不同的簇，包括T细胞、恶性细胞、巨噬细胞、癌症干细胞、成纤维细胞、B细胞、内皮细胞、树突状细胞、浆母细胞和髓系细胞。FNDC3B主要在巨噬细胞中富集。在PD中，同样识别出10个细胞簇，包括T细胞、上皮细胞、基底细胞、NK细胞、间充质干细胞、内皮细胞、B细胞、巨噬细胞、间充质细胞和多能祖细胞。FNDC3B主要在内皮细胞中富集。细胞通讯分析揭示了FN1蛋白与其结合伴侣（包括FN1-SDC4、FN1-SDC1、FN1-CD44和FN1-整合素亚基）在细胞外基质中的相互作用。

研究结论与意义

这项研究通过综合生物信息学分析，系统揭示了OSCC和PD之间的分子相似性和差异性。研究发现，ECM重塑是两种疾病共享的关键病理特征，而FNDC3B作为连接这两种疾病的重要分子桥梁，在ECM受体相互作用和免疫调节中发挥核心作用。

从机制角度看，FNDC3B可能通过多种信号通路参与疾病进程。在OSCC中，它可能通过PI3K/Akt通路促进肿瘤细胞增殖和侵袭；而在PD中，可能通过TGF-β信号通路参与组织重塑和炎症反应。这种通路特异性的差异为开发疾病特异性的靶向治疗提供了理论基础。

研究的创新点在于首次将多种机器学习算法应用于OSCC和PD的分子标志物筛选，并通过单细胞测序技术揭示了FNDC3B的细胞类型特异性表达模式。这不仅提高了生物标志物发现的准确性，也为理解该基因在肿瘤微环境和炎症环境中的功能提供了新的视角。

然而，研究也存在一些局限性。依赖于公共数据库可能引入批次效应和样本异质性；横断面研究设计限制了因果推断的能力；缺乏实验验证也需要后续研究进一步确认FNDC3B的功能机制。

未来研究方向应包括实验验证FNDC3B的具体功能机制，探索其下游信号通路，以及评估其作为诊断生物标志物和 therapeutic target 的临床价值。同时，研究FNDC3B在不同疾病阶段表达模式的变化，也有助于理解其在疾病进展中的动态作用。

这项研究的发现不仅增进了我们对OSCC和PD共同分子机制的理解，也为开发新的诊断方法和治疗策略提供了重要线索。通过识别共享的分子特征，未来可能实现针对多种口腔疾病的精准预防和治疗策略，最终改善患者的生存率和生活质量。