基于巨噬细胞线粒体自噬相关基因TUBB6与CAT构建肺腺癌预后模型及机制研究

《Scientific Reports》：Macrophage mitophagy-related genes predict prognosis and therapeutic response in lung adenocarcinoma

本研究针对肺腺癌(LUAD)肿瘤微环境(TME)中巨噬细胞线粒体自噬(mitophagy)机制不清的问题，通过整合单细胞转录组学和机器学习算法，鉴定出TUBB6和CAT两个关键基因，构建了新型预后风险模型(RiskScore=0.225×TUBB6-0.19×CAT)。该模型能有效区分高危组(HRG)和低危组(LRG)患者生存差异，揭示其与免疫微环境特征和化疗敏感性(如顺铂、吉西他滨)的相关性。体外实验证实巨噬细胞TUBB6过表达通过分泌因子促进LUAD细胞增殖、迁移和侵袭。研究成果为LUAD精准医疗提供了新的生物标志物和潜在治疗靶点。

　　

肺癌是全球范围内最严峻的健康挑战之一，其发病率和死亡率均位居首位。据统计，肺癌约占所有癌症相关死亡的20.5%，每天导致约340人死亡，死亡率是结直肠癌的2.5倍。肺腺癌(LUAD)作为肺癌最常见的组织学亚型，约占所有肺癌病例的40%。尽管临床治疗手段不断优化，但LUAD患者的5年生存率仍仅为23.6%，预后改善面临巨大挑战。

在LUAD复杂的肿瘤微环境(TME)中，巨噬细胞作为关键免疫细胞，通过不同极化状态(M1/M2)调控免疫应答。近年研究发现，线粒体自噬(mitophagy)——一种选择性清除受损线粒体的过程——在巨噬细胞代谢重编程和功能调控中发挥重要作用。然而，巨噬细胞线粒体自噬在LUAD进展中的具体机制及其临床意义尚不明确。

为了解决这一科学问题，成都医学院附属第一医院田荣阳、刘琴、李伟等研究人员在《Scientific Reports》上发表了题为"Macrophage mitophagy-related genes predict prognosis and therapeutic response in lung adenocarcinoma"的研究论文。该研究通过整合多组学数据和机器学习算法，系统揭示了巨噬细胞线粒体自噬相关基因在LUAD预后预测和治疗指导中的价值。

关键技术方法

研究团队从TCGA和GEO数据库获取LUAD转录组数据和临床信息，利用GSE131907单细胞数据集进行细胞聚类和注释。通过GeneCards数据库获取线粒体自噬相关基因(MRGs)，结合差异表达分析筛选巨噬细胞特异性MRGs。采用LASSO、SVM和随机森林三种机器学习算法识别关键基因，构建预后风险模型，并在独立队列(GSE68465、GSE13213)中进行验证。通过体外实验验证基因功能，包括Western blot、CCK-8、Transwell和伤口愈合实验等。

单细胞转录组分析揭示巨噬细胞线粒体自噬特征

研究团队首先利用单细胞转录组数据对LUAD组织进行深入分析。t-SNE分析成功识别出19个细胞簇，最终注释为11种主要细胞类型，包括巨噬细胞、上皮细胞和平滑肌细胞等。

AUC评分分析显示，线粒体自噬相关基因在巨噬细胞、T细胞和上皮细胞中高表达。细胞通讯分析发现巨噬细胞作为主要信号发送者，通过FN1-SDC4、FN1-CD44等配体-受体对与其他细胞类型发生强相互作用，在GALECTIN、COMPLEMENT和THBS信号网络中表现出显著的双向信号活性。

巨噬细胞内在线粒体自噬相关基因的鉴定

通过整合分析，研究团队筛选出56个巨噬细胞内在的线粒体自噬相关基因。蛋白互作(PPI)网络和GO/KEGG富集分析表明，这些基因广泛参与炎症免疫调控、氧化应激、代谢重编程、吞噬作用等生物学过程。

机器学习识别关键基因TUBB6和CAT

采用三种机器学习算法(LASSO、SVM、随机森林)对15个预后相关基因进行筛选，最终确定TUBB6和CAT为核心基因。

表达分析显示，TUBB6和CAT在巨噬细胞和上皮细胞中高表达，在33种TCGA癌症类型中呈现肿瘤与正常组织的显著差异表达，且与免疫细胞浸润和预后密切相关。

TUBB6过表达促进LUAD细胞恶性行为

体外实验证实，巨噬细胞中TUBB6过表达后，其条件培养基能显著促进NCI-H1975和A549细胞的增殖、迁移和侵袭能力。

Western blot分析进一步发现TUBB6过表达导致LC3-II/LC3-I比率升高，TOM20和P62表达降低，表明巨噬细胞线粒体自噬活性增强。

预后风险模型的构建与验证

基于TUBB6和CAT表达水平，构建风险评分公式：RiskScore=0.225×TUBB6-0.19×CAT。该模型在TCGA训练集和两个独立验证集(GSE68465、GSE13213)中均表现出良好的预后预测能力。

风险评分与临床特征相关性分析显示，其在性别、生存状态、临床分期和TNM分期等方面存在显著差异。整合临床因素构建的列线图在预测1、3、5年总生存率方面表现出良好准确性。

肿瘤微环境与免疫功能分析

高危组(HRG)表现出更低的免疫评分和更高的基质评分，免疫细胞浸润存在显著差异。免疫检查点分析显示高危组BTLA和CD47表达较低，提示可能对免疫治疗有更好反应。

GSEA和GO/KEGG分析表明，高危组富集于氧化应激、活性氧代谢、细胞氧化剂解毒等通路，揭示其独特的分子特征。

药物敏感性分析

IC50分析显示，高危组对DNA损伤剂(顺铂、吉西他滨)和激酶抑制剂(达沙替尼、卡博替尼)更敏感，而低危组对靶向治疗(奥希替尼、KRAS抑制剂)和奥沙利铂反应更好。

研究结论与意义

该研究首次整合单细胞转录组学和机器学习方法，系统阐明了巨噬细胞线粒体自噬相关基因在LUAD预后预测中的价值。鉴定出的TUBB6和CAT不仅作为可靠的生物标志物，还通过调控巨噬细胞线粒体自噬影响肿瘤微环境，从而促进LUAD进展。构建的风险模型为LUAD患者分层和个性化治疗提供了新工具，药物敏感性分析结果为临床用药选择提供了重要参考。研究成果深化了对巨噬细胞线粒体自噬在肿瘤微环境中作用机制的理解，为LUAD精准医疗开辟了新途径。

研究的创新性在于将巨噬细胞特异性线粒体自噬与差异表达基因相结合，首次建立了基于TUBB6和CAT的LUAD预后预测模型。实验验证进一步证实了TUBB6通过增强巨噬细胞线粒体自噬促进LUAD恶性进展的机制。这些发现为开发针对巨噬细胞线粒体自噬的新型治疗策略奠定了理论基础，对改善LUAD患者预后具有重要临床意义。