基于4个线粒体未折叠蛋白反应相关基因的新型风险模型预测肺腺癌预后及免疫治疗反应

《European Journal of Medical Research》：A novel risk model incorporating 4 mitochondrial unfolded protein response-related genes to predict the prognosis, gene mutation landscape, and immunotherapy response in lung adenocarcinoma

本研究针对肺腺癌（LUAD）预后预测和免疫治疗反应评估的临床难题，构建了基于线粒体未折叠蛋白反应（UPRmt）相关基因（MRGs）的新型风险模型。研究人员通过生物信息学分析筛选出ANLN、FAM83A、CPS1和KRT6A四个关键基因建立RiskScore评分系统，验证发现高风险组患者预后较差、肿瘤突变负荷（TMB）更高但免疫细胞浸润更少。该模型为LUAD个体化治疗提供了新的生物标志物和潜在药物靶点（如Roscovitine、Rapamycin等），并通过体外实验证实ANLN基因沉默可抑制肺癌细胞恶性表型。

　　

在全球癌症死亡率排行榜上，肺癌常年位居榜首，其中肺腺癌（LUAD）作为最常见的亚型，因其高度异质性的预后表现和有限的治疗选择，一直是临床面临的重大挑战。虽然针对特定基因突变的靶向药物为部分患者带来了希望，但寻找更有效的预后预测标志物和扩大受益人群仍是当前研究的重点。近年来，科学家们将目光投向了细胞内的"能量工厂"——线粒体。线粒体未折叠蛋白反应（UPR^mt）作为维持线粒体蛋白质稳态的重要机制，在肿瘤发生发展中扮演着关键角色，但其在肺腺癌中的具体作用机制和临床价值尚不明确。

为了解开这个谜题，钱熠团队在《European Journal of Medical Research》上发表了一项创新性研究，他们成功构建了一个基于UPR^mt相关基因的风险评估模型，为肺腺癌的预后预测和免疫治疗反应评估提供了新的视角。这项研究不仅揭示了UPR^mt在肺腺癌进展中的重要作用，还鉴定出四个关键基因标志物，为临床个体化治疗策略的制定提供了有力工具。

研究人员采用多组学数据分析与实验验证相结合的策略，主要运用了以下关键技术：从癌症基因组图谱（TCGA）和基因表达综合库（GEO）的GSE31210数据集中获取肺腺癌患者的转录组和临床数据；通过共识聚类分析识别分子亚型；采用单样本基因集富集分析（ssGSEA）评估UPR^mt活性；利用最小绝对收缩和选择算子（LASSO）回归和多变量Cox回归构建风险评分模型；通过TIMER、ESTIMATE等算法分析肿瘤免疫微环境；并利用IMvigor210队列评估免疫治疗反应；最后通过体外实验验证关键基因的功能。

关键MRGs的鉴定

研究团队首先分析了33个UPR^mt相关基因在肺腺癌中的表达模式，发现大多数MRGs在肿瘤组织中显著高表达。通过ssGSEA分析进一步证实，肺腺癌样本的UPR^mt活性评分明显高于正常组织。基因突变分析显示，CREBBP、KDM6B和LRPPRC是突变频率最高的三个MRGs，这些发现初步提示了MRGs在肺腺癌中的潜在重要性。

构建MRGs相关分子簇

通过单变量Cox回归分析，研究人员筛选出8个与预后显著相关的MRGs，并基于这些基因将肺腺癌患者分为两个分子亚型（C1和C2）。生存分析显示，C1簇患者预后较差，而C2簇患者预后较好，这一发现在TCGA和GSE31210数据集中均得到验证，表明基于MRGs的分子分型具有稳定的预后预测价值。

分子簇的通路特征

通过对两个分子簇的差异表达基因（DEGs）进行功能富集分析，研究发现这些基因主要富集在细胞增殖相关通路，如染色体分离、有丝分裂细胞周期等。京都基因与基因组百科全书（KEGG）分析进一步证实，这些DEGs显著富集于细胞周期通路，提示UPR^mt可能通过调控细胞增殖过程影响肺腺癌的进展。

构建和验证RiskScore模型

研究人员进一步筛选出与预后相关的59个DEGs，通过LASSO回归和多元Cox回归分析，最终确定ANLN、FAM83A、CPS1和KRT6A四个基因构建风险评分模型。根据中位风险评分将患者分为高危组和低危组后，发现高危组患者总生存期显著缩短。受试者工作特征（ROC）曲线分析显示，该模型在预测1年、3年和5年生存率方面表现出良好的准确性，在独立验证集GSE31210中也得到类似结果。

高低风险组的免疫异质性

肿瘤微环境分析揭示了风险评分与免疫状态之间的密切关系。高危组患者的免疫评分显著较低，且多种免疫细胞（如B细胞、CD4⁺ T细胞、树突状细胞等）的浸润程度明显减少。通过多种算法（ESTIMATE、TIMER、MCP-counter等）的一致性分析表明，高风险评分与免疫抑制性微环境特征相关，这可能是导致该组患者预后较差的重要原因。

高低风险组的基因组景观

基因突变分析显示，高危组患者的肿瘤突变负荷（TMB）显著高于低危组。虽然两组中突变频率最高的基因相同，但高危组中TP53、TTN、MUC16和CSMD1等基因的突变频率明显更高。这种高TMB与低免疫浸润共存的"免疫豁免"表型，为理解高风险肺腺癌的免疫治疗抵抗机制提供了新视角。

RiskScore与免疫治疗的关系

在IMvigor210免疫治疗队列中的验证表明，高危组患者的总生存期较短，且在不同疾病分期的患者中均观察到类似趋势。值得注意的是，疾病稳定（SD）和疾病进展（PD）患者的风险评分显著高于获得完全缓解（CR）或部分缓解（PR）的患者。药物敏感性分析筛选出20种潜在治疗药物，其中Roscovitine、Rapamycin和PHA.665752三种药物与风险评分呈正相关，为高危患者的治疗提供了潜在选择。

4个预后独立基因在LUAD细胞中的验证

实验验证部分证实，四个模型基因在肺腺癌细胞系A549中的mRNA表达水平均显著高于正常支气管上皮细胞BEAS-2B。选择在风险模型中权重最高的ANLN进行功能实验，发现沉默ANLN可显著抑制肺腺癌细胞的增殖、迁移和侵袭能力，进一步支持了该基因在肺腺癌恶性表型中的关键作用。

研究结论与意义

该研究通过系统分析UPR^mt在肺腺癌中的作用，成功构建了一个基于四个关键基因（ANLN、FAM83A、CPS1和KRT6A）的风险评分模型。这一模型不仅能够准确预测患者预后，还揭示了UPR^mt通过影响肿瘤免疫微环境和基因突变景观参与肺腺癌进展的新机制。

研究的创新性在于首次将UPR^mt相关基因特征与肺腺癌的免疫治疗反应联系起来，提出了"高TMB-低免疫浸润"这一特殊表型的存在，为理解肺腺癌免疫治疗抵抗提供了新视角。同时，研究鉴定的三种潜在治疗药物（Roscovitine、Rapamycin和PHA.665752）为高危患者的治疗提供了新的可能性。

然而，研究也存在一定局限性，如UPR^mt相关基因集可能不够全面，基因在UPR^mt通路中的具体调控机制尚未完全阐明，以及缺乏前瞻性临床验证等。未来研究需要通过多中心临床试验进一步验证该模型的预测效能，并深入探索各基因在UPR^mt通路中的具体作用机制。

总之，这项研究为肺腺癌的个体化治疗提供了新的生物标志物和潜在治疗靶点，深化了对UPR^mt在肺癌中作用机制的理解，为改善肺腺癌患者预后提供了新的思路和方向。