基于中性粒细胞胞外陷阱相关基因建立急性髓系白血病的预后预测标志物：一项生物信息学分析

《Frontiers in Immunology》：Establishment of prognostic signature based on neutrophil extracellular traps-related genes in acute myeloid leukemia: a bioinformatics analysis

急性髓系白血病（AML）中基于中性粒细胞胞外陷阱（NETs）的预后基因模型构建及验证。通过TCGA和GSE71014数据集，采用共识聚类分析鉴定出两个AML亚型（Cluster 1和Cluster 2），差异表达基因（DEGs）重叠分析发现13个NETs相关差异基因（NR-DEGs）。基于LASSO回归筛选出MPO、CCL3和TLR8三个核心预后基因，构建风险评分模型并验证其在外部数据集中的稳定性。免疫特征分析显示高/低风险组在5种免疫细胞浸润量及20个免疫检查点分子表达上存在显著差异。GSEA分析揭示三个基因与“chemokine signaling pathway”及“Toll-like receptor signaling pathway”显著相关。独立预后分析表明风险评分和年龄为独立预后因素，并建立临床 nomogram。研究为AML的分子分型和靶向治疗提供新依据。

　　急性髓系白血病（AML）是一种高度恶性的血液系统疾病，其特点是骨髓中未成熟髓系细胞的快速增殖。在AML治疗过程中，患者常常经历严重的发热性中性粒细胞减少症（febrile neutropenia），尤其是在前两个治疗周期内。这一现象不仅影响患者的治疗体验，还可能导致感染风险增加，进一步恶化病情。因此，研究AML的分子机制和寻找新的预后标志物对于改善患者预后和制定更有效的治疗策略具有重要意义。

本研究旨在通过基因表达数据的系统分析，开发与中性粒细胞胞外陷阱（NETs）相关的基因特征，以提高对AML机制的理解，并识别潜在的预后生物标志物。NETs是中性粒细胞在应对感染或炎症时释放的一种结构，主要由去浓缩的染色质和抗菌蛋白组成。近年来，NETs在炎症和癌症进展中的作用逐渐受到关注，尤其是在AML中的表现。然而，目前关于NETs形成相关基因及其在AML预后中的意义仍缺乏深入研究。基于此，本研究利用大规模基因表达数据，结合生物信息学方法，探索NETs相关基因在AML预后中的作用，并构建一个基于这些基因的预后模型。

研究采用了多种分析方法，包括一致性聚类分析、差异表达基因（DEGs）分析、基因功能富集分析以及风险评分模型的建立。通过对151名AML患者的TCGA数据集进行分析，研究者识别出两个具有显著生存差异的亚型。这些亚型在基因表达水平上表现出明显不同，其中Cluster 2的患者生存率明显低于Cluster 1。此外，通过比较不同亚型的免疫、基质和ESTIMATE评分，发现Cluster 2的肿瘤微环境更为活跃，同时也表现出更强的免疫抑制特征。这表明，NETs相关基因可能在调节AML患者的免疫微环境方面发挥重要作用。

在差异表达基因分析中，研究者识别出1,700个在两个亚型之间差异表达的基因，以及1,941个在正常与肿瘤组织之间差异表达的基因。通过两组差异表达基因的交集，最终筛选出13个NETs相关差异表达基因（NR-DEGs）。进一步的分析表明，这些基因主要参与“炎症反应的正向调节”和“细胞因子的产生与信号传导”等生物学过程。特别是，它们与“趋化因子信号通路”和“Toll样受体信号通路”密切相关，这为理解NETs在AML进展中的作用提供了重要的线索。

基于这些NR-DEGs，研究者通过单变量Cox回归分析和LASSO回归分析构建了一个NETs相关的预后模型。最终确定的三个关键预后基因是MPO（髓过氧化物酶）、CCL3（C-C趋化因子配体3）和TLR8（Toll样受体8）。通过风险评分的计算，患者被分为高风险和低风险组，结果显示高风险组的患者生存率显著低于低风险组。此外，模型在外部验证数据集（GSE71014）中的表现也表明其具有良好的预测能力，1年、3年和5年的预测AUC值分别为0.68、0.74和0.76，显示出较高的准确性。

研究还通过免疫浸润分析，揭示了高风险和低风险组之间在22种免疫细胞类型上的显著差异。其中，静息肥大细胞、单核细胞、滤泡辅助性T细胞、活化的CD4记忆T细胞和静息CD4记忆T细胞的丰度在两组间存在明显差异。这些发现表明，NETs相关基因可能通过调节免疫细胞的浸润水平，进而影响AML的预后。同时，免疫检查点分子在高风险与低风险组之间也表现出差异性表达，进一步支持了免疫逃逸机制在AML进展中的重要性。

为了探索这些预后基因在免疫微环境中的潜在作用，研究者进行了基因集富集分析（GSEA），发现MPO、CCL3和TLR8均与“趋化因子信号通路”密切相关。MPO和CCL3还与“细胞因子-细胞因子受体相互作用”通路有关，而TLR8则主要参与“Toll样受体信号通路”的调控。这些通路在AML的免疫调节和疾病进展中可能发挥关键作用，提示这些基因可能成为未来免疫治疗的重要靶点。

此外，研究还利用DGIdb数据库，预测了针对这三个预后基因的潜在药物。这些药物包括靶向MPO的抗炎药物、调节CCL3表达的免疫调节剂以及激活TLR8信号通路的免疫治疗药物。这些发现为AML的个性化治疗提供了新的思路，同时也为未来的研究方向指明了方向。

在临床应用方面，研究构建了一个包含风险评分、年龄和细胞遗传学风险的临床预测模型（nomogram）。通过校准曲线分析，该模型在预测1年、3年和5年生存率方面表现出较高的准确性。这表明，基于NETs相关基因的风险评分模型不仅能够有效区分高风险和低风险患者，还能够为临床医生提供重要的决策支持，帮助制定更精准的治疗方案。

本研究的局限性在于其回顾性设计和对公共数据库的依赖，这可能导致一定的偏差，影响结果的普遍适用性。因此，未来的研究应进一步纳入前瞻性设计和更大规模、更多样化的患者队列，以验证这些预后模型的可靠性。此外，实验研究，如体外和体内实验，将有助于更深入地阐明MPO、CCL3和TLR8在NETs形成和免疫调节中的具体作用，为开发新的治疗策略提供理论依据。

总的来说，本研究通过系统的生物信息学分析，成功构建了一个基于NETs相关基因的AML预后模型，并揭示了这些基因在调节免疫微环境和影响疾病进展中的潜在机制。这一发现不仅为AML的分子分型提供了新的视角，还为未来的靶向治疗和免疫治疗策略奠定了基础。然而，为了进一步验证这些发现的临床价值，还需要更多的实验和临床研究的支持。未来的研究应重点关注这些基因在AML进展中的具体功能，以及它们在不同治疗方案中的响应情况，以期为患者提供更精准的个体化治疗方案。