动脉粥样硬化与肺腺癌遗传互作机制解析：精准诊疗新靶点与免疫微环境调控研究

《Cell Division》：Integrating genetic crosstalk between atherosclerosis and lung adenocarcinoma to advance precision diagnosis and treatment

本研究针对动脉粥样硬化（AS）与肺腺癌（LUAD）存在的遗传互作现象，通过整合GEO和TCGA数据库的基因表达谱，系统筛选出180个互作基因。研究人员构建了基于MYBL1/HSPB7核心基因的AS诊断模型（AUC>0.85）和AKAP12/SYTL1/PLEK2预后风险模型，揭示免疫细胞浸润特征与治疗响应差异。该研究为AS与LUAD的共病机制提供多组学证据，为精准诊疗策略开发奠定基础。

　　

在老年群体中高度流行的动脉粥样硬化（Atherosclerosis， AS），是一种由慢性炎症导致血管腔狭窄的病变。其发病机制可能涉及血管平滑肌细胞（VSMC）的内膜侵袭和增殖，导致斑块形成和AS进展。近年来，一项创新研究表明，AS过程中产生的平滑肌衍生细胞（SDCs）具有许多肿瘤细胞样特征，代表着一种平滑肌相关的肿瘤样疾病，并携带Kras^G12D等肿瘤样基因突变。目前，AS仍然是全球范围内导致死亡的主要原因，对世界人口健康构成严重威胁。

另一方面，肺腺癌（Lung Adenocarcinoma， LUAD）作为非小细胞肺癌（NSCLC）的主要亚型，约占肺癌总数的50%，其发病率和死亡率在全球范围内居高不下。尽管已采用包括免疫疗法在内的多种治疗手段，甚至中医也尝试针灸等方法干预，但LUAD患者的五年生存率极低，甚至低于5%。值得注意的是，大多数肺腺癌同样携带Kras^G12D突变或缺乏可识别的驱动癌基因。

临床研究发现，LUAD的免疫治疗会增加急性血管事件（AVEs）的发生风险，其中包括AS。此外，一些在肺腺癌患者中高转录的长链非编码RNA，如HOXA-AS3和Meg3，可能直接或间接促进AS的发展。例如，HOXA-AS3可作为临床AS早期诊断的重要生物标志物，而Meg3在LUAD中显著表达促进癌症发展，同时也能促进动脉粥样硬化斑块的形成。因此，在LUAD患者中进行AS的早期诊断具有重要的临床必要性。

然而，AS与LUAD之间的遗传互作及其临床价值仍属未知。为解决这一问题，Dai等人通过生物信息学方法系统分析了两者之间的互作基因及关联机制，为AS与LUAD的共病研究与治疗提供了新的见解。该研究成果发表于《Cell Division》期刊。

研究人员主要运用生物信息学技术，从公共数据库获取基因表达数据。AS相关数据来自GEO数据库（训练集GSE100927：69例AS样本和35例正常样本；验证集GSE43292：32例AS样本和32例正常样本）。LUAD数据来自TCGA数据库（转录组和临床数据）及GEO数据库（验证集GSE72094：398例LUAD样本；表达验证集GSE68465）。数据分析前进行了标准化（TPM）和批次校正（ComBat法）。关键技术包括：差异表达分析（limma包）、加权基因共表达网络分析（WGCNA）、功能富集分析（GSEA、GO、KEGG）、机器学习算法（LASSO回归、SVM-RFE）、免疫浸润分析（CIBERSORT算法）、预后模型构建（Cox回归）、蛋白互作网络（PPI）构建、转录因子- miRNA-mRNA网络分析、药物预测（DSigDB库）和分子对接（AutoDock）。

差异基因鉴定

通过limma分析比较患者样本与正常样本的基因表达谱，在AS队列GSE100927中筛选出524个差异表达基因（DEGs），包括363个上调基因和161个下调基因。在TCGA-LUAD队列中筛选出6438个DEGs，包含4360个上调基因和2078个下调基因。结果通过火山图和热图展示。

加权基因共表达模块鉴定

利用WGCNA构建尺度无关共表达网络，以识别与LUAD最相关的基因。选择软阈值8，将LUAD的差异基因划分为七个聚类模块。从中提取与LUAD最正相关（MEblue）和最负相关（MEblack）的两个模块用于后续分析。

互作基因鉴定与功能富集

取LUAD差异基因与AS差异基因的交集，获得180个互作基因。疾病本体（DO）分析显示这些基因主要富集于动脉相关病变。GSEA分析发现，AS人群中免疫相关通路高度富集，而LUAD队列中富集于细胞周期和分裂相关通路。有趣的是，在LUAD对照的正常人群中富集了扩张型心肌病相关通路，提示LUAD与心血管疾病存在潜在关联。GO富集显示互作基因主要参与细胞因子产生的正调控、免疫反应调节信号通路、先天免疫反应调节等生物过程；涉及内吞囊泡、分泌颗粒膜等细胞组分；以及化合物结合等分子功能。KEGG通路分析显示显著富集于破骨细胞分化、吞噬体相关通路。

基于互作基因的AS核心基因鉴定与验证

使用LASSO回归和SVM-RFE机器学习算法筛选核心基因，最终交集得到MYBL1和HSPB7。箱线图显示核心基因在两个AS队列中表达差异显著。训练集中的诊断ROC曲线显示MYBL1和HSPB7的灵敏度分别为0.991和0.984。验证集中，两者的ROC曲线AUC均高于0.85。在TCGA-LUAD队列中，两基因的表达差异也非常显著，诊断ROC曲线的AUC分别为0.812和0.788。基于MYBL1和HSPB7表达水平，利用逻辑算法构建了列线图，DCA曲线和校准曲线显示其诊断效果与实际高度一致。

AS与LUAD的免疫浸润景观

使用CIBERSORT算法评估两个队列中22种免疫细胞类型的浸润水平。发现在AS样本中，初始B细胞、浆细胞等浸润显著下调，而CD8⁺ T细胞、M0巨噬细胞等显著上调。在LUAD样本中，记忆CD4⁺ T细胞（活化）等显著上调，而NK细胞等显著下调。核心基因MYBL1和HSPB7与各种免疫细胞的相关性分析显示，它们在AS中对免疫细胞动态具有协同调节作用，而在LUAD队列中，它们与大多数免疫细胞的相关性则截然相反，但整体上仍表现为对免疫浸润的同向调节。

基于互作基因的LUAD预后模型构建与验证

通过单变量Cox分析筛选有预后潜力的互作基因，再经LASSO回归提取特征基因，最终通过多变量Cox分析得到3个与LUAD预后显著相关的互作基因：AKAP12、SYTL1和PLEK2，并基于此构建风险评分模型。在训练集TCGA-LUAD中，根据中位风险评分将患者分为高低风险亚组。KM曲线显示不同风险亚组的总生存期存在显著差异，高风险组生存率更低。ROC曲线显示模型在1年、3年和5年的AUC分别为0.669、0.653和0.649，具有良好的预测准确性。在验证集GSE72094中，模型同样展现出良好的预后区分能力。

风险评分的独立预后效应验证与列线图构建

在不同临床特征亚组（如性别、年龄、病理分期）中验证预后模型的判别能力，结果显示模型在各亚组均表现优异。单变量和多变量Cox分析证实风险评分是LUAD的独立预后因素。随后，基于年龄、风险评分和分期构建了预测LUAD患者生存期的列线图。校准曲线高度拟合理想曲线，DCA曲线和ROC曲线也反映了预测结果与实际的一致性。

风险亚组的免疫浸润相关性分析

评估TCGA-LUAD队列中不同风险亚组样本的免疫细胞丰度，发现高风险组样本中记忆CD4⁺ T细胞（活化）、中性粒细胞等丰度较高，而初始B细胞、肥大细胞等数量较低。Spearman相关分析揭示了风险评分和预后相关互作基因与免疫细胞的强相关性。风险评分与免疫检查点基因表达的相关性分析显示，其与CD276、CD70、CD86等基因表达呈显著正相关，与CD40LG、TNFSF15等基因表达呈负相关，提示不同风险亚组对免疫治疗的反应可能存在差异。

不同风险亚组的免疫治疗和化疗反应

鉴于不同风险亚组免疫检查点相关基因表达的差异，研究人员探索了风险评分在指导治疗方面的意义。发现低风险组患者对PD-1阴性/CTLA4阳性或阴性的治疗表现出更高的反应性。对不同风险亚组对化疗药物的反应性分析显示，低风险组对Camptothecin、KRAS(G12C)抑制剂等药物表现出更高的敏感性（IC₅₀值较低），而高风险组对Cisplatin、Paclitaxel等药物更敏感。这些发现为基于AS相关预后评分的LUAD患者个体化治疗提供了宝贵参考。

预后基因的AS诊断效果与表达差异验证

将预后相关互作基因代入AS以评估其诊断价值，发现预后基因在AS中的表达差异非常显著。在AS队列中，AKAP12和PLEK2表现出高诊断精度，ROC曲线的AUC值均高于0.75。通过Human Protein Atlas的免疫组化图谱验证了预后基因在LUAD和正常组织中的差异表达，结果与表达谱分析一致：在肿瘤样本中，SYTL1和PLEK2表达上调，而AKAP12表达显著降低。此趋势在GSE68465队列中得到同样验证。

PPI网络与TF-miRNA网络构建

通过String数据库和Cytoscape软件构建互作基因的蛋白互作（PPI）网络。根据节点度（degree）排序，鉴定出前10个基因为枢纽基因（hub genes）：TYROBP、IL1B、FCGR3A、FCER1G、SPI1、CD163、CD68、CD33、CYBB、C1QA，其中TYROBP处于PPI网络核心。围绕枢纽基因，通过NetworkAnalyst生成TF-miRNA网络，结果显示SPI1与邻域连接最紧密，SP1、NFKB1和TP53是网络中连接较广泛的转录因子。

枢纽基因的诊断和预后效应验证

整体表达谱分析显示，枢纽基因在AS和LUAD中均表现出显著表达差异。诊断分析表明，枢纽基因在AS队列GSE100927中的诊断准确性基本高于0.9，在GSE43292队列中的诊断ROC的AUC也基本高于0.8。在TCGA-LUAD队列中，通过多变量Cox分析对枢纽基因建模计算风险评分，KM曲线显示风险评分的区分度较差，但ROC曲线仍反映枢纽基因在评估生存期方面具有一定精度。令人惊讶的是，枢纽基因在LUAD中的诊断预测准确性基本高于0.75。这些分析反映了枢纽基因作为AS和LUAD诊断相关潜在标志物的潜力，并可能与疾病进展相关。

潜在药物探索与分子对接验证

将枢纽基因输入EnrichR平台，基于DSigDB库筛选得到一系列潜在药物，并根据P值筛选出前十种药物分子。通过AutoDock进行药物与靶蛋白的分子对接，获得各组合的预测结合能，其中Tamibarotene与CYBB结合最稳定，结合能为-9.6 kcal/mol。此外，选择了结合能大于7的组合进行具体对接模式可视化。分子对接实验验证了药物作用于枢纽基因靶点的可靠性，为AS与LUAD共病的药物研发提供了有价值的见解。

研究结论与意义

本研究通过生物信息学方法，基于两种疾病的基因表达谱，探索了互作基因的功能通路，并鉴定出核心基因，证实了它们在AS和LUAD中优异的诊断效果。随后以核心基因为切入点，从免疫细胞动态角度为疾病发展提供了深入见解。研究还基于互作基因筛选了LUAD预后基因并构建了预测模型，该模型具有良好的预测能力，可指导免疫治疗、药物化疗等临床决策。此外，通过分析互作基因的上下游相互作用网络，基于提取的枢纽基因预测了潜在药物，并通过分子对接验证了药物-靶点结合的可靠性。

该研究揭示了AS与LUAD之间深刻的遗传互作和共享的分子通路，例如AKAP12协调的细胞形态与运动调控机制可能是连接AS病理重塑与LUAD肿瘤转移的共同分子基础。SYTL1-CD81外泌体轴的功能状态可能是连接两种疾病的关键环节。研究所构建的诊断和预后模型，以及发现的免疫浸润特征和治疗响应差异，为AS与LUAD共病患者的早期诊断、风险分层和个体化治疗提供了重要的理论依据和潜在的转化应用价值。尽管研究存在依赖于现有数据库可能带来的偏倚等局限性，但其为未来开展实验验证、纳入前瞻性队列和更详细的临床数据收集指明了方向，对推动精准医疗在该复杂共病领域的发展具有重要意义。