基于单细胞技术和机器学习的焦亡相关基因特征谱能够预测胶质母细胞瘤的预后及对免疫治疗的反应

《Frontiers in Immunology》：Single-cell and machine learning-based pyroptosis-related gene signature predicts prognosis and immunotherapy response in glioblastoma

胶质母细胞瘤（GBM）预后相关基因签名PRGS的构建与验证。通过整合多组学数据（TCGA-GBM、CGGA、GEO scRNA-seq），系统分析pyroptosis活性异质性、恶性上皮细胞分化轨迹及SPP1信号轴的肿瘤-免疫互作作用。利用10种机器学习算法开发PRGS，验证其在独立队列中预测生存、免疫治疗应答及药物敏感性的可靠性，并实验性证实核心基因MAP1B的促癌功能。PRGS为GBM风险分层、免疫治疗靶点选择及精准用药提供新工具。

　　### 胶质母细胞瘤中焦亡与治疗靶点的探索

胶质母细胞瘤（Glioblastoma, GBM）是中枢神经系统中最常见的恶性肿瘤之一，其侵袭性强、异质性高，给临床治疗带来了巨大挑战。尽管目前的治疗策略包括最大安全切除、放疗和替莫唑胺化疗，但患者的中位生存期仍不足15个月，五年生存率低于7%。这种低生存率与GBM的高度免疫抑制性微环境密切相关，免疫检查点抑制剂等免疫治疗在多种实体瘤中表现出显著疗效，但在GBM中的效果有限。因此，探索GBM中新的分子机制和生物标志物，对于改善预后分层、预测治疗反应和开发更有效的治疗策略至关重要。

在肿瘤生物学中，焦亡（Pyroptosis）作为一种由炎症小体激活和Gasdermin蛋白孔形成介导的程序性细胞死亡形式，以其细胞膜破裂和促炎性细胞因子（如IL-1β和IL-18）释放为特征。与凋亡不同，焦亡能够引发强烈的炎症反应，从而重塑肿瘤微环境。尽管已有研究表明焦亡在癌症中具有双重作用——既可能通过增强免疫浸润和抗肿瘤免疫抑制肿瘤进展，也可能通过过度或失调的焦亡驱动慢性炎症、免疫逃逸和恶性进展。然而，焦亡在GBM中的活动模式、调控机制及其预后意义仍不明确。

近年来，单细胞RNA测序（scRNA-seq）技术为解析肿瘤的复杂性提供了新的视角。与传统的批量RNA测序相比，scRNA-seq能够在单细胞水平上揭示细胞异质性、关键亚群以及细胞间通讯网络。该技术的应用，使研究人员能够更深入地理解GBM的生物学特征，包括肿瘤细胞的分化轨迹和免疫细胞的动态变化。此外，将大规模转录组数据与机器学习模型相结合，已成为癌症研究中识别生物标志物和预测预后的重要策略。这种方法不仅提高了生物标志物发现的可靠性，还增强了其在多个队列中的适用性。

本研究整合了来自TCGA-GBM、CGGA和GEO数据库的批量转录组数据，以及来自GSE141383和GSE223063的scRNA-seq数据，构建了一个全面的GBM单细胞图谱。通过Seurat和Harmony等工具进行数据处理和批次校正，确保了不同来源数据的整合性和一致性。随后，利用inferCNV识别恶性上皮细胞，并结合多种算法（如AUCell、UCell、singscore、ssGSEA和AddModuleScore）对焦亡活动进行评分和分层。这种多方法评分策略不仅增强了焦亡活动的可靠性，还为后续的细胞间通讯分析和转录调控研究奠定了基础。

细胞间通讯分析揭示了高焦亡组和低焦亡组在信号通路和受体配对上的显著差异。特别是在高焦亡组中，SPP1（骨桥蛋白）为中心的信号轴表现出显著的重塑，这表明SPP1可能在肿瘤与免疫细胞的相互作用中发挥关键作用。SPP1不仅参与巨噬细胞的招募和血管生成，还可能促进免疫抑制性肿瘤微环境的形成。通过CellChat等工具对细胞间通讯网络的构建，进一步验证了这一假设。此外，伪时间轨迹分析和转录因子网络分析（如SCENIC）揭示了恶性上皮细胞的分化动态和调控特征，表明焦亡活动可能在肿瘤细胞的早期和晚期分化过程中发挥重要作用。

基于这些发现，我们开发并验证了一个与焦亡相关的基因签名（Pyroptosis-Related Gene Signature, PRGS），该签名能够对GBM患者进行预后分层，并预测免疫治疗反应和药物敏感性。通过系统评估十种机器学习算法及其组合，我们确定了StepCox[both]+Ridge作为最优建模策略。PRGS的构建和验证显示，高PRGS评分的患者具有更差的生存预后，更高的TIDE（肿瘤浸润性免疫编辑）评分，以及更低的IPS（免疫表型评分），这些结果表明PRGS在预测免疫逃逸和免疫治疗获益方面具有重要价值。此外，功能富集分析（如GSVA和GSEA）揭示了高PRGS肿瘤与低PRGS肿瘤在代谢重编程和DNA修复等生物学过程中的显著差异，进一步支持了PRGS的临床意义。

药物敏感性分析通过整合GDSC2数据库，揭示了不同PRGS亚组在药物反应上的差异。预测的IC50值（抑制50%细胞增殖所需的药物浓度）表明，高PRGS评分的患者可能对某些抗癌药物具有更高的耐药性，而低PRGS评分的患者则可能表现出更高的药物敏感性。这些发现不仅为个性化治疗策略提供了依据，还揭示了PRGS在指导靶向治疗中的潜在价值。此外，体外实验进一步验证了PRGS中某些关键基因（如MAP1B）的致癌作用。MAP1B的沉默显著抑制了GBM细胞的增殖、迁移和侵袭能力，这为该基因作为潜在治疗靶点提供了实验支持。

尽管本研究在GBM的焦亡调控和相关生物标志物的开发方面取得了重要进展，但仍存在一些局限性。首先，PRGS的预测能力仍需在前瞻性临床队列中进一步验证。其次，目前的功能验证主要集中在MAP1B，未来需要对其他PRGS相关基因进行更全面的实验探索。此外，虽然我们通过整合分析发现了SPP1和MAP1B相关的信号通路可能在GBM生物学中发挥核心作用，但要完全阐明其分子机制，仍需通过动物模型和分子实验进行深入研究。

综上所述，本研究系统探讨了焦亡在GBM中的作用，并建立了一个具有强大预后和治疗预测价值的PRGS。通过结合scRNA-seq和批量转录组数据，我们不仅提供了一个临床相关的生物标志物，还揭示了焦亡如何影响免疫重塑、代谢重编程和肿瘤进展的机制。MAP1B的识别和验证进一步强调了本研究在转化医学中的潜力。这些结果不仅加深了我们对GBM发病机制的理解，还为开发新的靶向治疗和免疫治疗策略提供了重要的科学依据。