乳酸/乳酸化网络在急性髓系白血病中的解密：单细胞与转录组整合分析揭示功能与预后模型

《BMC Cancer》：Deciphering lactate/lactylation networks in AML: integrated scRNA-seq and transcriptomics reveal functions and prognostic model

本研究针对急性髓系白血病(AML)分子异质性和乳酸代谢-乳酸化修饰(LL)网络作用机制不清的问题，通过整合单细胞RNA测序(scRNA-seq)和转录组数据，结合十种机器学习算法构建了7基因预后模型。研究发现恶性前体细胞中LL基因特异性高表达伴随乳酸代谢-乳酸化修饰联合活性评分(LML-CAS)升高，分子分型识别出预后差异显著的Cluster A/B亚型，高危患者呈现CXCL9/10-CXCR3轴下调等免疫抑制特征，并预测对BCL-2/FGFR抑制剂敏感性增强。该模型为AML精准治疗提供了新型生物标志物和靶向策略。

　　

在血液系统恶性肿瘤的战场上，急性髓系白血病(AML)始终是块难啃的硬骨头。这种疾病以其高度异质性和易复发特性闻名，尽管近年来FLT3/IDH等靶向药物带来曙光，但患者五年生存率仍徘徊在30%以下。更令人困扰的是，白血病细胞展现出惊人的代谢可塑性——它们能像代谢“变形金刚”一样，根据微环境条件灵活切换能量代谢方式，这成为化疗抵抗的重要帮凶。

近年来，科学家们逐渐揭开乳酸的神秘面纱：这个曾被视作细胞代谢废物的分子，实际上通过组蛋白乳酸化(lactylation)修饰，扮演着连接代谢与表观遗传的“信使”角色。在实体瘤中，乳酸化修饰已被证明能通过重塑肿瘤微环境(TME)促进免疫逃逸。然而，在AML这片领域，乳酸代谢与乳酸化修饰如何相互作用，又如何影响疾病进程，仍是未解之谜。

正是基于这些挑战，Chen等人在《BMC Cancer》上发表了这项开创性研究。他们巧妙整合单细胞与转录组数据，构建机器学习模型，首次系统描绘了AML中乳酸/乳酸化网络的全景图谱，为破解AML异质性提供了新视角。

研究人员主要运用了多组学整合分析策略：从TISCH2和GEO数据库获取AML单细胞(scRNA-seq)及批量转录组(bulk RNA-seq)数据；通过Seurat进行细胞聚类和注释；采用基因集变异分析(GSVA)评估通路活性；利用ConsensusClusterPlus进行分子分型；整合十种机器学习算法构建预后模型；通过SHAP框架解析模型可解释性；结合TIDE平台评估免疫治疗应答；采用oncoPredict预测药物敏感性；并通过qRT-PCR和Western blot在临床样本中验证关键标志物。

单细胞解析乳酸化驱动的AML细胞异质性

研究团队首先对30,659个AML细胞进行深度解析，识别出12个细胞亚群，包括B细胞、T细胞、造血干细胞(HSC)和恶性细胞等。通过GSVA分析发现，氧化磷酸化和DNA修复通路在HSC中富集，而糖酵解和缺氧通路在恶性细胞中活跃，提示乳酸代谢重编程可能与白血病克隆增殖相关。

特别引人注目的是，研究人员开发了乳酸代谢-乳酸化修饰联合活性评分(LML-CAS)。分析显示，LL基因在前单核细胞、粒细胞-单核细胞祖细胞(GMP)和增殖性T细胞中高表达，而在NK细胞和浆细胞中低表达。高LML-CAS特征主要出现在恶性单核细胞和前体细胞中，低评分则见于成熟T细胞和红系祖细胞。

通路分析进一步揭示，高LML-CAS与炎症/免疫(如IFN-γ、补体)和代谢重编程通路(如KRAS、脂肪酸代谢)密切相关，而低评分组则细胞周期调控和氧化磷酸化通路受抑制。这种空间分布特征表明，乳酸化活性升高可能与恶性克隆扩增和免疫逃逸有关。

基于LL基因的AML分型及功能特征

通过整合共表达和Cox分析，研究确定了34个显著预后相关的LL基因模块。其中THOC2(风险比HR=1.426)和IFI16等代表风险基因，而ZYX(HR=0.781)等具有保护作用。共识聚类将患者分为两个稳定亚型：Cluster A预后较差(HR=1.72)，Cluster B相对良好。

功能分析显示，Cluster A富含MYC靶点和核糖体生物合成通路，而Cluster B在炎症反应、NK细胞毒性和氧化应激中活跃。这种差异提示Cluster A可能从MYC/Treg共靶向中获益，而Cluster B或适用于髓系定向免疫治疗。

免疫浸润分析进一步证实了两个亚型的微环境差异：Cluster A以适应性免疫(CD8⁺ T细胞、Tregs)和抗原呈递细胞为主，Cluster B则富含髓系细胞(单核细胞、M2巨噬细胞、MDSCs)，表明存在免疫抑制状态。

预后模型构建与验证

研究团队系统评估了10种机器学习算法的81种组合，最终确定随机生存森林(RSF)模型表现最优，交叉验证C指数达0.755。该模型识别出7个关键LL基因(IFI16、THOC2、HIST1H1C、HIST1H2BD、ARPP19、GLO1、SRP14)，其中IFI16(重要性评分0.0226)和THOC2(0.0198)贡献最大。

多变量Cox回归证实风险评分是独立预后因素(HR=1.031)。时间依赖性ROC曲线显示模型具有高预测精度：GSE37642队列1年AUC达0.966，合并队列5年AUC为0.921。决策曲线分析表明风险评分在1年预测中提供最大临床净收益。

通过SHAP框架的模型解读揭示了特征贡献的时间动态变化，确认了IFI16和THOC2在整个预测期内的稳定重要性。

风险组的富集分析

基因集富集分析(GSEA)显示，高危患者显著富集于RNA加工、核糖体生物生成和翻译等通路，KEGG分析提示“真核生物核糖体生物生成”通路活跃，Reactome通路分析显示“核糖体大亚基组装”和“抗原加工”相关基因集上调。这些发现提示高危状态与核糖体/翻译机制异常激活及免疫失调存在潜在联系。

免疫微环境与免疫治疗应答分析

ESTIMATE分析揭示高危患者基质和免疫评分显著降低，表明免疫细胞浸润减少。热图分析显示高危组中CXCL9、CXCL10和CXCR3表达下调，提示免疫招募的趋化因子信号受损。

TIDE预测显示高危患者TIDE评分显著升高，免疫治疗应答率降低(29% vs 53%)，且肿瘤免疫排斥评分更高。这些结果共同表明，乳酸化相关免疫抑制可能导致高危AML患者对免疫治疗耐药。

药物敏感性分析

药物敏感性预测显示，高危患者对靶向凋亡(ABT-737、Bcl-2抑制剂)、酪氨酸激酶(AT13148/AKT、AZD4547/FGFR)和细胞周期(BI-2536/PLK1)的药物敏感性显著增强，同时对烷化剂(卡莫司汀)和多激酶抑制剂(达沙替尼)也表现更高敏感性。这种敏感性模式与高危AML中凋亡调节、酪氨酸激酶信号和细胞周期检查点的分子脆弱性相吻合。

关键LL基因的实验验证

通过qRT-PCR验证发现，与健康供体相比，AML患者中ARPP19和HIST1H2BD表达显著下调2.12倍和2.13倍，而THOC2和IFI16表达上调2.30倍和2.37倍。Western blotting进一步在蛋白水平验证了IFI16和THOC2的上调表达，与mRNA结果一致，支持它们作为AML中乳酸化相关生物标志物的潜力。

这项研究通过多组学整合和机器学习方法，系统揭示了乳酸代谢和乳酸化修饰在AML异质性和肿瘤微环境重塑中的关键作用。构建的7基因预后模型不仅展示了卓越的预测性能，还通过可解释性分析阐明了特征贡献机制。研究发现高危AML患者存在独特的代谢-表观遗传交叉对话特征，包括核糖体生物生成通路上调、CXCL9/10-CXCR3轴介导的免疫抑制以及特定的药物敏感性模式。这些成果为理解AML发病机制提供了新视角，为开发靶向乳酸化网络的新型治疗策略奠定了理论基础，同时也为AML精准分型和预后评估提供了实用工具。

研究的局限性包括回顾性设计可能引入偏倚、缺乏乳酸化修饰水平的直接测量以及计算预测的药物敏感性需要实验验证。未来研究应通过前瞻性队列验证模型稳定性，利用代谢组学直接量化乳酸化水平，并通过基因操作和临床前模型深入探索乳酸化修饰的分子机制。尽管如此，该研究无疑为AML精准医疗领域贡献了重要见解，开辟了靶向代谢-表观遗传交叉对话的新研究方向。