基于线粒体代谢相关基因的透明细胞肾细胞癌预后模型构建与免疫微环境解析

《Clinical and Experimental Medicine》：Development and validation of mitochondrial metabolism-related genes in the prognostic and immunological characterization of clear cell renal cell carcinoma

本研究针对透明细胞肾细胞癌(ccRCC)易转移、易复发及放化疗抵抗的临床难题，通过整合TCGA与ArrayExpress数据库的转录组数据，筛选出ACLY、ETNK2、FDX1、G0S2、HADH、HSD11B2等6个线粒体代谢相关基因(MMRGs)，构建了稳健的预后模型。研究发现高风险组Wnt信号通路激活且CD8+ T细胞/Tregs浸润水平显著升高，并通过共识聚类识别出具有显著免疫异质性的分子亚型。该模型为ccRCC的个体化治疗提供了新的代谢免疫视角。

　　

在泌尿系统肿瘤中，透明细胞肾细胞癌(clear cell renal cell carcinoma, ccRCC)犹如一个隐匿的"代谢刺客"，它不仅占据肾癌病例的70%以上，更以高转移率、高复发率和治疗抵抗性让临床医生束手无策。尽管免疫检查点抑制剂等新兴疗法为部分患者带来曙光，但肿瘤微环境(tumor microenvironment, TME)的高度异质性导致多数患者难以获得长期疗效。更令人困扰的是，传统的靶向治疗虽然能改善疾病控制，却常伴随高血压、手足综合征等显著不良反应。在这一背景下，科学家们将目光投向了癌症研究的"能量核心"——线粒体代谢。

线粒体作为细胞的"动力工厂"，通过三羧酸循环(tricarboxylic acid cycle, TCA循环)、脂肪酸氧化(fatty acid oxidation, FAO)等关键代谢途径，深刻影响着肿瘤的发生发展。早在20世纪20年代，科学家Otto Warburg就发现癌细胞即使在有氧条件下也优先选择糖酵解供能，这一现象被称为"瓦博格效应"(Warburg effect)。在ccRCC中，这种代谢重编程尤为明显，表现为糖酵解增强、线粒体氧化磷酸化(oxidative phosphorylation, OXPHOS)受损以及脂质代谢紊乱。然而，线粒体代谢相关基因(mitochondrial metabolism-related genes, MMRGs)如何精确调控ccRCC的恶性进展，特别是其与免疫微环境的相互作用，仍是未解之谜。

为了解决这一科学难题，由吕立鹏、金建斌等研究人员组成的团队在《Clinical and Experimental Medicine》上发表了创新性研究。他们通过整合多组学数据，首次系统性地构建了基于MMRGs的ccRCC预后模型，并深入解析了其与免疫特征的内在联系。

研究人员采用了一套系统的生物信息学分析方法：从TCGA-KIRC数据库获取537例肿瘤和72例正常样本作为训练集，辅以E-MTAB-1980数据集验证；通过差异表达分析筛选1896个差异表达基因(differentially expressed genes, DEGs)，与MSigDB数据库中的1234个MMRGs取交集获得175个差异表达的MMRGs(differentially expressed MMRGs, DEMMRGs)；继而采用LASSO回归和多变量Cox分析最终确定6个关键预后基因；利用ssGSEA、CIBERSORT等算法评估免疫细胞浸润，并通过共识聚类(consensus clustering)进行分子分型。

筛选MMRGs在ccRCC中的表达特征

研究团队通过差异表达分析发现，ACLY、FABP5等基因在肿瘤组织中显著上调，而大多数MMRGs在正常组织中高表达。相关性分析揭示ACLY与ETNK2呈正相关，与FDX1负相关。突变谱分析显示ACLY突变频率最高(10%)，提示其可能作为ccRCC的驱动基因。

构建并验证ccRCC预后模型

通过多阶段筛选，研究确定了ACLY、ETNK2、FDX1、G0S2、HADH、HSD11B2这6个基因构建预后模型。风险评分公式为：Risk score = -0.248×ACLY - 0.197×ETNK2 + 0.12×G0S2 - 0.307×FDX1 - 0.634×HADH - 0.204×HSD11B2。Kaplan-Meier生存分析表明低风险组患者总生存期显著优于高风险组(风险比HR>2)。受体操作特征曲线(receiver operating characteristic curve, ROC曲线)分析显示模型在训练集和验证集均具有良好预测性能(AUC>0.7)。RT-qPCR实验进一步验证了这些基因在肾癌细胞系786-O与正常肾上皮细胞HK-2中的表达差异。

基因富集分析揭示通路特征

基因集富集分析(Gene Set Enrichment Analysis, GSEA)显示高风险组主要富集于造血细胞谱系、核糖体生物发生等通路，而低风险组则与ErbB信号通路、脂肪酸代谢相关。差异表达基因的GO/KEGG分析表明，高风险组上调基因显著富集于急性炎症反应、粒细胞趋化性等生物过程，以及Wnt信号通路、IL-17信号通路等；下调基因则与有机阴离子转运、肾素-血管紧张素系统等功能相关。

构建ccRCC预后列线图

研究人员将风险评分与临床病理特征结合构建了预后列线图(nomogram)。单变量和多变量Cox分析均证实风险评分是独立预后因素。校准曲线(calibration curve)和决策曲线分析(decision curve analysis, DCA)验证了模型在预测1、3、5年生存率方面的临床实用性。

高风险与低风险组的免疫浸润异质性

ESTIMATE算法分析显示高风险组具有更高的免疫评分和ESTIMATE评分，但肿瘤纯度较低。TIDE评分分析表明高风险组免疫逃避潜力更强。免疫细胞浸润分析揭示高风险组CD8⁺ T细胞、调节性T细胞(regulatory T cells, Tregs)和M0型巨噬细胞浸润水平显著升高，而低风险组则以静息记忆CD4⁺ T细胞和M2型巨噬细胞为主。免疫检查点分子表达分析发现PDCD1(PD-1)、LAG3等在高风险组显著上调。特别值得注意的是，在抗PD-1治疗队列中，低风险组患者的治疗反应率显著高于高风险组。

ccRCC的分子亚型鉴定

基于预后基因的共识聚类将ccRCC分为两个分子亚型。CDF和delta面积曲线证实了分型的稳定性。生存分析显示cluster 2患者预后显著差于cluster 1。分子亚型间存在明显的免疫异质性，cluster 2表现出更高的免疫细胞浸润和免疫检查点表达。

TMB与药物敏感性分析

肿瘤突变负荷(tumor mutational burden, TMB)分析显示高风险组TTN基因突变频率更高(17%)。药物敏感性预测表明低风险组对帕唑帕尼(pazopanib)和索拉非尼(sorafenib)等标准治疗药物更敏感。基因表达与药物敏感性相关性分析发现ACLY表达与长春瑞滨(vinorelbine)敏感性负相关，ETNK2与帕博西尼(palbociclib)敏感性呈负相关。

研究结论与意义

这项研究通过系统分析MMRGs在ccRCC中的作用，不仅构建了稳健的预后模型，还深入揭示了代谢重编程与免疫微环境的复杂互动。六个核心基因中，ACLY作为合成代谢的关键酶，通过消耗胞质柠檬酸促进糖酵解；FDX1参与多种代谢途径，其低表达与ccRCC恶性进展相关；HADH作为脂肪酸氧化的关键酶，其过表达可诱导癌细胞凋亡。这些发现为理解ccRCC的代谢基础提供了新视角。

特别值得关注的是，研究发现高风险ccRCC中Wnt信号通路显著激活，这与既往研究认为Wnt通路异常激活促进肾癌进展的观点一致。同时，高风险组中CD8⁺ T细胞和Tregs的同步增加，反映了肿瘤免疫编辑的复杂平衡——既有抗肿瘤免疫应答，又存在免疫抑制机制。这种免疫特征提示联合免疫检查点抑制剂(如抗PD-1和抗LAG3)可能为高风险患者提供更有效的治疗策略。

研究的创新点在于将代谢特征与免疫微环境有机结合，突破了传统单一维度的研究局限。通过共识聚类识别的分子亚型，为ccRCC的精准分型提供了新依据。然而，研究也存在一定局限性，如分子亚型的临床转化价值需前瞻性研究验证，MMRGs与Wnt通路的具体相互作用机制尚待实验阐明。

总之，这项研究深化了对ccRCC代谢异质性的认识，为开发新的预后生物标志物和联合治疗策略奠定了坚实基础。未来研究应聚焦于MMRGs在代谢-免疫轴中的具体调控机制，推动ccRCC治疗向更加精准、有效的方向迈进。