机器学习整合多组学揭示头颈鳞癌中铁死亡与M2巨噬细胞相关性及预后模型构建

《Hormones & Cancer》：Integration of machine learning to reveal the correlation between ferroptosis and M2 macrophages in head and neck squamous cell carcinoma

本研究针对头颈鳞状细胞癌(HNSCC)患者预后差、治疗反应个体差异大的临床难题，通过整合多组学数据和101种机器学习算法，首次构建了铁死亡与M2巨噬细胞(M2Ms)相关风险评分模型(MFRS)。研究发现低MFRS患者生存期更长、免疫微环境更活跃且对免疫治疗更敏感，而高MFRS患者对化疗反应更好。该研究为HNSCC个体化治疗提供了新型生物标志物和潜在治疗靶点。

　　

头颈鳞状细胞癌(HNSCC)是全球第六大常见恶性肿瘤，其五年生存率低于50%，预后极差。早期患者可通过手术联合放化疗治疗，但晚期患者因肿瘤侵袭性强、手术损伤大而治疗困难。尽管新辅助化疗和免疫治疗为晚期患者提供了新希望，但由于免疫抑制和免疫逃逸现象，仅少数患者能从免疫治疗中获益。因此，建立能够预测预后和评估治疗反应的新型评分系统，对实现HNSCC精准治疗至关重要。

铁死亡是一种铁依赖性的非凋亡性细胞死亡形式，其特征是线粒体体积减小、线粒体嵴增加、双层膜密度增加、线粒体外膜破裂和染色质聚集缺失。研究表明铁死亡在HNSCC进展中起关键作用，且与患者预后密切相关。同时，铁死亡相关蛋白可作为诊断生物标志物和潜在药物靶点。

肿瘤相关巨噬细胞(TAMs)是肿瘤微环境(TME)中最丰富的免疫细胞，通过促进局部免疫抑制导致免疫逃逸。其中M2型巨噬细胞(M2Ms)通过释放因子促进肿瘤生长和转移。在喉鳞状细胞癌中，源自TAMs的ANXA3丰富外泌体通过激活AKT-GSK3β-β-catenin通路促进巨噬细胞向M2样表型极化。然而，铁死亡是否通过调控M2 TAMs影响HNSCC尚缺乏证据。

本研究整合机器学习与多组学数据，探讨铁死亡与M2Ms在HNSCC中的相关性及其对患者的影响。

研究人员主要应用CIBERSORT算法评估M2M浸润，通过加权基因共表达网络分析(WGCNA)和Spearman检验筛选M2M相关基因，并与铁死亡基因取交集获得40个M2M-铁死亡相关基因。利用STRING数据库构建蛋白质相互作用网络，最终采用101种机器学习算法组合建立预测模型，其中lasso结合plsRcox算法构建的MFRS模型预测效能最佳。使用TCGA-HNSC和GSE41613队列进行训练和验证，通过基因集富集分析、肿瘤突变负荷分析、免疫浸润评估和药物敏感性预测等多维度验证模型可靠性。

3.1 M2M浸润与临床特征的关系

基于CIBERSORT算法计算M2M浸润水平，以最佳截断值0.12将患者分为高低两组。生存分析显示高M2M浸润患者预后较差，且M2M水平与淋巴结转移状态显著相关。

3.2 M2M-铁死亡相关基因的鉴定

通过Spearman相关分析和WGCNA共识别1285个正相关和266个负相关基因，与铁死亡基因集取交集获得40个M2M-铁死亡相关基因。

3.3 蛋白质相互作用与功能富集

STRING分析显示26个基因存在核心相互作用网络。GO分析表明这些基因主要富集于活性氧代谢过程、次级溶酶体、氧化应激反应等。KEGG分析显示显著富集于HIF-1信号通路和铁死亡通路。

3.4 预测模型的构建与验证

在101种机器学习算法中，lasso结合plsRcox算法构建的MFRS模型表现最佳，包含ALOX12B、CYBB、DDR2、DRD4、NOX4、PRKCA、RGS4、SLC2A3、SLC3A2、TIMP1和ENPP2等11个基因。该模型在训练集和验证集的C-index分别为0.636和0.654，1、3、5年AUC值均显示良好预测效能。

3.5 MFRS与临床特征的相关性

Sankey图显示M2M分组与MFRS分组间存在明显关联。MFRS与肿瘤分期、T分期、HPV_p16感染状态和原发部位显著相关。

3.6 功能富集分析

GSEA显示高MFRS组富集于核糖体生物发生、黏着斑等通路，低MFRS组富集于免疫球蛋白复合物、T细胞受体复合物等免疫相关通路。

3.7 CNV与TMB景观

模型基因显示不同的CNV频率，其中DRD4、TIMP1、ALOX12B和CYBB主要表现为拷贝数缺失。TMB分析显示高低MFRS组间无显著差异，但高MFRS结合高TMB患者预后最差。

3.8 肿瘤免疫微环境特征

低MFRS组显示更活跃的免疫微环境，包括更多的B细胞、浆细胞、CD8⁺T细胞浸润。单细胞RNA测序进一步验证模型基因在M2巨噬细胞等免疫细胞中的表达模式。

3.9 治疗反应预测

低MFRS组对免疫检查点抑制剂(如CTLA4抑制剂)更敏感，而高MFRS组对 cisplatin、docetaxel等化疗药物更敏感。

3.10 关键基因鉴定与验证

多组学验证确定PRKCA为枢纽基因，其在HNSCC中高表达，且与患者预后显著相关。孟德尔随机化分析显示PRKCA高表达增加咽癌和喉癌发病风险。

3.11 泛癌分析

PRKCA在17种肿瘤中表达差异显著，在肾上腺皮质癌和脑低级胶质瘤中为保护因子，在间皮瘤、甲状腺癌和葡萄膜黑色素瘤中为风险因子。

本研究构建的MFRS模型能有效预测HNSCC患者预后和治疗反应。低MFRS患者具有更长的生存期、更活跃的免疫微环境和更好的免疫治疗反应，而高MFRS患者对化疗更敏感。研究发现PRKCA作为关键模型基因，在HNSCC发展和免疫调节中起重要作用。该研究首次揭示铁死亡与M2Ms在HNSCC中的相互作用，为个体化治疗提供新策略。虽然需要更大样本验证，但多组学数据一致支持MFRS模型的可靠性，为后续实验验证和临床转化奠定基础。