整合转录组学与网络分析揭示驱动脑膜瘤发病机制和临床结局的核心基因

《Scientific Reports》：Integrative transcriptomics and network analysis reveals core genes driving meningioma pathogenesis and clinical outcomes

本刊推荐：为解决脑膜瘤分子分型预后预测不足的问题，研究人员开展整合转录组学与网络分析的研究，发现具有“富人俱乐部”组织的核心基因网络，其表达水平可有效区分WHO分级（AUC=0.798）、预测肿瘤复发（AUC=0.959）和患者生存（AUC=0.736），为脑膜瘤精准治疗提供新靶点。

　　

脑膜瘤作为最常见的原发性中枢神经系统肿瘤，占颅内肿瘤的39.7%，其临床管理一直面临重大挑战。虽然大多数脑膜瘤具有良性组织学特征，但仍有部分患者会出现肿瘤复发或侵袭性行为。传统的世界卫生组织（WHO）分级系统基于组织病理学特征将脑膜瘤分为1-3级，但临床实践发现，部分组织学良性的1级肿瘤会表现出侵袭性行为，而某些高级别肿瘤反而保持静止状态。这种不一致性凸显了单纯依赖形态学分类的局限性。

随着分子生物学的发展，2021年WHO分类标准开始纳入CDKN2A/B纯合缺失和TERT启动子突变等分子特征，标志着脑膜瘤分类进入分子时代。DNA突变、拷贝数变异（CNV）、甲基化谱和转录组学分析等多种分子研究方法已经显示出在脑膜瘤分类和预后预测中的价值。然而，现有研究多依赖于统计回归模型和数学相关性分析，在识别生物标志物与理解其机制通路之间存在差距，限制了这些标志物作为治疗靶点的转化潜力。

在此背景下，埃默里大学神经外科的Youssef M Zohdy、Ali M Alawieh和Tomas Garzon-Muvdi等研究人员在《Scientific Reports》上发表了题为"Integrative transcriptomics and network analysis reveals core genes driving meningioma pathogenesis and clinical outcomes"的研究论文。该研究创新性地将转录组学与图论（Graph Theory）相结合，旨在揭示脑膜瘤基因表达失调的网络特性，识别病理网络中的核心调控基因，并评估这些基因与肿瘤病理特征和临床结局的关联。

研究人员建立了一套完整的分析流程，主要关键技术方法包括：从11例脑膜瘤患者手术标本和3例正常脑膜组织中提取RNA进行测序；使用DESeq2进行差异表达基因（DEGs）分析；基于STRING数据库的蛋白质-蛋白质相互作用（PPI）数据构建基因网络；应用加权基因共表达网络分析（WGCNA）算法确定边权重；采用图论原理进行网络拓扑结构分析；通过富人俱乐部（Rich-Club）分析识别核心基因；利用主成分分析（PCA）计算特征基因（Eigengene）；最后在GEO外部数据集（68例脑膜瘤）中进行验证。

识别脑膜瘤病理差异表达基因

研究人员首先通过转录组分析比较脑膜瘤组织与正常脑膜的基因表达谱。主成分分析（PCA）显示脑膜瘤与正常脑膜样本明显分离，且颅骨不同部位的脑膜瘤也呈现差异聚类。在调整P值<0.05和|log₂FC|>1的标准下，共鉴定出725个上调基因和928个下调基因。

基因本体（GO）功能注释分析揭示，上调基因主要富集在细胞生长、细胞膜运输和血管化等生物学过程，表明肿瘤细胞活性增强。而下调基因则显示肿瘤免疫微环境受到抑制，特别是白细胞迁移、增殖和活化等相关通路显著下调。进一步分析发现，白细胞介导的免疫和白细胞迁移的标准化富集分数分别为-2.25和-1.98，调整P值均小于0.01，证实了脑膜瘤微环境中免疫反应的显著抑制。

分析脑膜瘤病理生理网络

研究团队为上调基因和下调基因分别构建了相互作用网络。上调网络包含702个基因节点和1468个相互作用，下调网络包含876个节点和1764个相互作用。两个网络均显示无标度（Scale-free）拓扑结构，具有小世界（Small-world）组织特征，聚类系数显著高于随机网络。

富人俱乐部分析显示，两个网络均存在显著的富人俱乐部组织。上调网络中，在度数为18-110的范围内出现显著的富人俱乐部效应，峰值在85度；下调网络中，在20-240度范围内出现效应，峰值在150度。富人俱乐部节点的连接度显著高于非富人俱乐部节点（P<0.001）。这些高度互联的核心基因构成了脑膜瘤病理网络的关键枢纽。

富人俱乐部基因表达预测脑膜瘤WHO分级和临床结局的外部验证

为验证研究发现的可推广性，研究人员在外部数据集上评估了富人俱乐部基因的表达情况。基于上调基因和下调基因富人俱乐部的主成分分析（PCA）特征基因构建的广义线性模型（GLM）能有效区分低级别（1级）和高级别（2-3级）脑膜瘤，曲线下面积（AUC）为0.798（95% CI：0.686-0.911，P<0.0001），R²值为0.356。

在预测疾病进展方面，富人俱乐部基因对肿瘤复发表现出极高的预测能力，组合模型的AUC达到0.959（95% CI：0.908-1，P<0.0001），R²值为0.53，阳性预测值（PPV）为80%。对于总生存期（OS）的预测，组合模型的AUC为0.736（95% CI：0.56-0.91，P=0.018），R²值为0.18，PPV为66.7%。在最优特征基因截断值下，富人俱乐部基因高表达的患者死亡风险显著增加（对数秩检验，P=0.013），风险比（HR）为6.1（95% CI：1.443-25.67）。

进一步的多中心、多队列验证显示，富人俱乐部基因区分低级别与高级别肿瘤的平均AUC为0.812，预测肿瘤局部复发的平均AUC为0.819，证明了该基因组合在不同数据集中的稳定性能。

研究结论与意义

该研究通过整合转录组学和网络分析，成功识别了脑膜瘤病理网络中的核心调控基因。这些基因形成的富人俱乐部组织在脑膜瘤的发病机制中起着枢纽作用，不仅能够准确区分肿瘤的WHO分级，还能有效预测临床结局如肿瘤复发和患者生存。

从生物学机制角度看，上调网络的核心基因主要参与细胞增殖和肿瘤血管化过程。值得注意的是，细胞周期蛋白D1（CCND1）作为上调网络中的富人俱乐部基因被识别，而之前的研宄已证实CDKN2A/B纯合缺失通过解除对CDK4/6-CCND1复合物的抑制来促进细胞分裂。同时，钙粘蛋白1（CDH1）也被识别为关键基因，数学建模显示CDH1的周期性增加对于CDK4/6-CCND1复合物驱动细胞分裂的病理活性至关重要。这一发现凸显了网络分析在生物学机制阐释方面的优势，超越了单纯的统计相关性。

此外，研究还识别出多个之前已被报道的脑膜瘤相关基因，如BMP4、FOXM1、ERBB2、VIM和TOP2A等，进一步验证了富人俱乐部分析方法的生物学相关性。同时，该分析也揭示了一些研究较少的基因，这些基因可能是脑膜瘤病理生理的新贡献者和潜在治疗靶点。

下调网络的分析则揭示了肿瘤微环境中的免疫抑制特征，与之前关于脑膜瘤免疫浸润特征的研究一致。研究发现白细胞介素6（IL-6）、白细胞介素10（IL-10）和CCL2等免疫相关基因的表达下降，这些基因在富人俱乐部网络中作为核心节点被识别，为高级别脑膜瘤的免疫治疗策略提供了新思路。

该研究的创新之处在于采用了基于生物学网络的系统方法，而非传统的统计相关性分析。通过将上调基因和下调基因分别构建网络，研究团队能够更准确地识别方向特异性核心基因，从而更好地理解肿瘤的分子机制。尽管发现队列样本量有限，但通过高质量的数据处理和网络分析方法，以及多中心外部验证，确保了研究结果的可靠性和可推广性。

研究的局限性包括发现队列样本量较小、正常对照组织来源有限、以及技术平台差异等。此外，分析主要基于转录组数据，未能捕捉转录后和翻译后修饰对蛋白质功能的影响。未来的研究需要进一步探索已识别基因的因果作用和治疗意义。

总之，这项研究为脑膜瘤的分子分型和预后预测提供了新的视角和方法。识别出的富人俱乐部基因组合不仅具有重要的临床意义，为患者分层和风险评估提供了新工具，而且由于其网络核心地位，可能成为有前景的治疗靶点。这一整合转录组学与网络分析的框架也可推广到其他肿瘤类型的研究中，为精准肿瘤学的发展贡献了新思路。