基于网络的复发型IDH野生型胶质瘤预后标志物的发现

《Frontiers in Genetics》：A network-based discovery of prognostic markers in recurrent IDH wild-type gliomas

本研究针对IDH野生型复发胶质瘤，通过整合GLASS联盟的180例样本数据，采用网络生存分析（netSurvival）结合正则化Cox模型筛选出29个关键基因。通路富集分析揭示FGFR3信号、纳米颗粒受体信号及MYCN转录激活为关键机制。AFT模型显示FN1、HIF3A、EIF4B与不良预后相关（HR分别为1.40、1.49、1.54），而PTK2、CCND2、RAD51L3-RFFL、MAX则呈保护效应（HR均<1）。5个基因在原发与复发样本中表达差异显著，其中HIF3A和RAD51L3-RFFL兼具生存预后与复发模式关联性。这些发现为精准分层和靶向治疗提供新思路。

　　在神经肿瘤学领域，IDH野生型胶质瘤因其高度侵袭性和较差的预后，一直是一个极具挑战性的研究对象。这类肿瘤在胶质瘤中占据重要地位，尤其是占所有胶质母细胞瘤（GBM）的90%以上，是成人中最常见且最具恶性特征的原发性脑肿瘤。尽管在治疗策略上取得了进展，例如综合手术切除、放射治疗和化疗，但患者的中位生存期仍仅为12至15个月，显示出对现有治疗方案的耐药性以及对精准医学的迫切需求。因此，识别可靠的预后生物标志物对于改进患者分层和探索新的治疗靶点具有重要意义。

本研究采用基因表达数据与生存数据相结合的方法，旨在发现与复发性IDH野生型胶质瘤预后相关的关键基因表达标记。研究团队分析了来自GLASS联盟的180个复发性IDH野生型胶质瘤样本，涵盖158名患者，其中约11.1%的样本为右删失数据。通过多种计算方法，包括一种新颖的基于网络的方法（netSurvival）和多种生存分析技术，研究人员筛选出与患者生存相关的基因标记。这一研究聚焦于复发性肿瘤，因为它们通常表现出更强的治疗抵抗性和改变的分子特征，这可能揭示出与初次诊断相比具有不同预后意义的生物标志物。

在方法部分，研究人员首先对数据进行了预处理，去除了表达值为零的基因和缺失数据的样本。随后，他们使用五折交叉验证法识别与生存相关的标记。在每一轮验证中，训练集和测试集分别进行对数变换和Z值标准化处理，以应对高维数据带来的挑战。为了进一步缩小范围，他们对所有基因进行了单变量对数秩检验，选择出与生存显著相关的前1000个基因用于后续分析。基因表达水平根据中位数被分为高表达和低表达两组，以评估其对生存的影响。

基于网络的特征选择方法（netSurvival）是本研究的一个核心部分。该方法利用一维层次聚类将样本按基因表达水平进行分组，从而识别出具有最高绝对表达值的样本簇。这些簇被作为网络中的节点，通过共享患者建立节点之间的边，以反映基因间的相互作用。为了减少同一基因内复杂关系的干扰，每次图采样过程中随机选择一个基因的样本簇，并重复1000次。随后，应用随机游走算法来识别与患者生存差异显著的连接节点路径。最后，使用Fisher精确检验来筛选出具有显著预后意义的基因标记。这种方法的独特之处在于其能够通过网络拓扑结构识别基因间的相互作用，从而发现其他独立方法可能忽略的生物相关标记。

为了评估这些预后生物标志物的有效性，研究团队采用了几种专门的生存分析模型，包括Cox比例风险模型、弹性网络Cox模型、随机生存森林（RSF）和生存支持向量机（SVM）。这些模型能够处理右删失数据，适用于评估基因表达标记对生存的影响。其中，Cox比例风险模型假设预测变量与对数风险函数之间存在线性关系，可以评估所选生物标志物对生存结果的贡献。弹性网络Cox模型则结合了L1和L2正则化，以平衡模型的稳定性和预测能力。随机生存森林通过构建生存树的集合，能够捕捉复杂且非线性的预测变量与生存结果之间的关系。而生存支持向量机则通过将删失信息整合到优化过程中，以建立预测变量与时间至事件之间的关系。

为了评估模型的性能，研究人员使用了两个主要指标：一致性指数（C-index）和整合Brier评分（IBS）。C-index用于衡量模型的区分能力，其值从0.5（随机预测）到1.0（完美区分），更高的值表示模型的预测能力更强。IBS则用于评估模型的预测准确性和校准能力，其值越低表示模型表现越好。通过比较不同模型的性能，研究团队发现netSurvival在患者风险分层和预测准确性方面表现良好，尽管在预测能力上不优于其他方法，但其独特的基因交互网络分析方法提供了更稳定的结果，并在整合传统正则化方法时提供了互补的见解。

研究团队还对所选基因标记进行了生存分层分析。通过将患者分为低风险和高风险组（基于中位数PI值），或分为低风险、中间风险和高风险组（基于PI的三等分），研究人员生成了Kaplan-Meier生存曲线，并通过log-rank检验评估不同组之间的生存差异。结果显示，某些基因标记与生存结果显著相关，如FN1、HIF3A和EIF4B与较差的生存结果相关，而PTK2、CCND2、RAD51L3-RFFL和MAX则与较好的生存结果相关。这些基因的表达水平差异可能反映了它们在肿瘤发展和复发中的不同作用。

进一步的通路富集分析揭示了三个重要的通路：FGFR3信号通路、纳米粒子介导的受体信号通路和MYCN转录激活通路。FGFR3信号通路与胶质瘤的增殖和分化密切相关，其中FGFR3-TACC3融合在IDH野生型胶质母细胞瘤中常见，可能通过持续的FGFR3激活和MAPK/ERK级联促进肿瘤生长。纳米粒子介导的受体信号通路则与新兴的靶向治疗策略相关，这些策略通过受体相互作用实现血脑屏障穿透和肿瘤特异性药物递送。MYCN转录激活通路则定义了一种侵袭性强、预后差的分子亚型，这可能与胶质瘤的快速增殖和代谢重编程有关。

此外，研究人员还检查了这些67个基因标记是否与肿瘤复发相关。结果表明，KIF5C、LINC00632、B4GALNT3、HIF3A和RAD51L3-RFFL在初次诊断和复发样本中的表达水平存在显著差异。其中，HIF3A和RAD51L3-RFFL在生存结果和复发模式中均显示出重要影响，这表明它们可能不仅是预后生物标志物，还可能是治疗靶点。

在讨论部分，研究团队指出，这些基因标记的识别有助于改善IDH野生型胶质瘤的预后分层和治疗策略。对于表达高风险标记的患者，可能需要采取更积极的治疗方案或加强随访。而对于表达有利基因标记的患者，可能可以考虑减少治疗强度以降低毒性。此外，这些生物标志物可能为开发新的治疗干预措施提供线索。例如，HIF3A的负相关性提示靶向缺氧适应通路可能在高风险患者中具有重要价值。而PTK2的保护性作用则引发了对其在胶质瘤中可能具有情境依赖性功能的探讨。

研究团队还指出了本研究的方法学优势和局限性。研究方法的一个重要优势在于专注于复发性IDH野生型胶质瘤，这直接针对了临床上最具挑战性的阶段。此外，通过整合多种特征选择方法，如netSurvival、弹性网络Cox、Lasso Cox和Ridge Cox，研究团队增强了所选生物标志物的可靠性。然而，研究也存在一定的局限性，包括样本量相对较小，以及未考虑治疗可能带来的基因表达变化。因此，进一步在独立队列中验证这些结果是必要的。

最后，研究团队强调了这些发现对临床实践的潜在影响。未来的研究应集中在几个关键领域：（1）通过体外和体内模型验证这些生物标志物的功能；（2）结合空间转录组学方法，以更好地理解这些基因在肿瘤微环境中的作用；（3）开发适用于常规病理学的临床检测方法；（4）探索针对涉及这些生物标志物通路的药物干预策略。这些努力有望推动IDH野生型胶质瘤的精准医学发展，为患者提供更个性化的治疗方案，并最终改善其预后。