基于自噬相关基因特征的胰腺癌预后预测模型与肿瘤免疫微环境评估

《Scientific Reports》：A autophagy related gene signature to predict the prognosis of pancreatic carcinoma and tumor immune microenvironment evaluation

本研究针对胰腺腺癌(PAAD)预后差、免疫治疗响应不佳的临床难题，通过分析TCGA和GEO数据库，构建了包含13个自噬相关基因(ARGs)的预后风险模型。该模型能够有效区分PAAD患者的高、低风险群体，高风险组表现为免疫抑制状态但对特定化疗药物敏感性增加。研究还发现高肿瘤突变负荷(TMB)和RNA干性评分(RNAss)与不良预后相关，为PAAD的个体化治疗提供了新的生物标志物和策略。

　　

胰腺癌被称为"癌中之王"，是消化系统最具侵袭性的恶性肿瘤之一。据统计，胰腺癌患者的5年总体生存率不足10%，预计将成为癌症相关死亡的第二大原因。由于胰腺位于腹腔深处，早期症状隐匿，大多数患者在确诊时已处于晚期，错过了手术根治的机会。尽管放疗、化疗和靶向治疗等辅助治疗手段不断进步，但由于肿瘤细胞的异质性和复杂性，临床治疗效果仍不理想。因此，开发有效的预后预测模型和个体化治疗策略成为当前胰腺癌研究的迫切需求。

自噬作为细胞内重要的降解和循环系统，在维持细胞稳态中发挥着关键作用。这一进化上高度保守的过程通过降解异常蛋白质和受损细胞器，帮助细胞应对营养缺乏和环境压力。在肿瘤发生发展中，自噬扮演着双重角色：在肿瘤初期发挥抑制作用，而在晚期则促进肿瘤生长和转移。近年来，自噬相关基因(ARGs)已被证实可作为多种癌症的预后标志物，但其在胰腺癌中的具体作用机制尚不清楚。

本研究基于癌症基因组图谱(TCGA)和基因表达汇编(GEO)等公共数据库，系统分析了胰腺癌中自噬相关基因的表达特征，构建了一个包含13个基因的预后风险模型，并深入探讨了其与肿瘤免疫微环境、药物敏感性等方面的关联。该研究发表于《Scientific Reports》杂志。

研究人员利用TCGA-PAAD数据集作为训练队列(177例)，GSE183795数据集作为验证队列(139例)。通过人类自噬数据库(HADB)获取232个自噬相关基因，采用差异表达分析筛选出73个差异表达的自噬相关基因(DEARGs)。通过单因素COX回归和最小绝对收缩和选择算子(LASSO)回归分析，最终确定13个关键基因构建风险评分模型。采用共识聚类将患者分为不同亚型，利用基因集富集分析(GSEA)、基因集变异分析(GSVA)等功能分析方法探索生物学通路，并通过多种算法评估免疫细胞浸润情况。

差异表达与富集分析

研究共鉴定出73个在胰腺癌组织中差异表达的自噬相关基因，其中39个上调，34个下调。蛋白互作网络分析显示这些基因之间存在密切的功能联系。基因本体论(GO)分析表明，这些基因主要富集在"自噬调控"、"自噬体形成"等生物过程。京都基因与基因组百科全书(KEGG)通路分析显示，这些基因显著富集于mTOR、FoxO和PI3K-Akt等信号通路，以及与胰腺癌相关的多种癌症通路。

预后相关ARGs的鉴定

通过单因素COX回归分析，从73个差异表达基因中筛选出28个与预后显著相关的自噬相关基因(ARPGs)。Kaplan-Meier生存分析显示，这些基因的表达水平与患者总生存期密切相关。

胰腺癌亚型分析

基于28个预后相关基因的表达谱，通过无监督聚类分析将177例胰腺癌患者分为两个亚型：集群A(66例)和集群B(111例)。生存分析显示，集群B患者在总生存期(OS)、无进展生存期(PFS)、无病生存期(DFS)和疾病特异性生存期(DSS)方面均显著差于集群A。集群B与较高的肿瘤分期、淋巴结转移等不良临床病理特征相关。

风险模型的建立与验证

通过LASSO-COX回归分析构建了包含13个基因的风险评分模型：EIF4EBP1、HDAC6、GABARAP、CASP4、ATG16L2、BCL2L1、BAG3、ATG4B、TNFSF10、PTK6、ITGA3、BIRC5和BAK1。根据中位风险评分将患者分为高风险组和低风险组，高风险组患者总生存期显著缩短。该模型在训练队列和验证队列中均表现出良好的预测性能，时间依赖性曲线下面积(AUC)值分别为0.762-0.848和0.658-0.714。

临床病理特征相关性

风险评分与肿瘤分期、T分期和组织学分级等临床病理特征显著相关。高风险评分与晚期肿瘤(Ⅲ-Ⅳ期)、较高T分期(T2-3)和较差组织学分级(G3)密切相关。Sankey图进一步展示了集群分型、风险分组与患者状态之间的线性关系。

列线图构建与模型评估

多因素COX回归分析证实风险评分和N分期是胰腺癌患者的独立预后因素。基于此构建的列线图能够有效预测患者2、3、4年生存率，校准曲线显示预测与实际观察值具有良好一致性。决策曲线分析(DCA)表明该模型具有临床实用价值。

功能富集分析

GSVA和GSEA分析揭示了高低风险组间的生物学功能差异。高风险组主要富集在细胞周期、p53信号通路、嘧啶代谢等与肿瘤增殖相关的通路，而低风险组则富集于免疫相关通路，如B细胞受体信号通路、免疫球蛋白产生等。

免疫特征分析

多种免疫浸润算法显示，高风险组肿瘤微环境中免疫细胞浸润水平较低，且免疫抑制分子、主要组织相容性复合体(MHC)分子、免疫检查点等相关基因表达存在显著差异，表明高风险组患者处于免疫抑制状态。

DNA甲基化分析

通过MEXPRESS数据库分析13个关键基因的DNA甲基化状态，发现多个基因的甲基化水平与患者生存时间显著相关，提示表观遗传调控在这些基因表达中发挥重要作用。

基因突变与拷贝数变异

拷贝数变异(CNV)分析显示，ULK1和STK11缺失最为常见。体细胞突变分析发现，高风险组突变频率较高，KRAS和TP53错义突变是高风险患者的特征性突变。肿瘤突变负荷(TMB)与风险评分呈正相关，高TMB且高风险的患者预后最差。

药物敏感性与肿瘤干细胞分析

肿瘤免疫功能障碍和排斥(TIDE)评分显示，低风险组可能更适合免疫治疗。药物敏感性分析发现，高风险患者对AKT抑制剂Ⅷ、比卡鲁胺等药物更敏感，而低风险患者可能从阿西替尼、来那度胺等药物中获益。风险评分与RNA干性评分(RNAss)呈正相关，表明高风险患者肿瘤干细胞特性更强。

研究结论与意义

该研究构建了一个包含13个自噬相关基因的胰腺癌预后预测模型，该模型能够有效区分患者预后，并与肿瘤免疫微环境、药物敏感性等临床特征密切相关。研究发现的风险基因在胰腺癌发生发展中发挥重要作用：EIF4EBP1通过mTOR信号通路促进肿瘤适应代谢压力；BAG3作为抗凋亡蛋白影响肿瘤进展；ITGA3通过Hippo通路效应器YAP1促进肿瘤转移。这些基因不仅为理解胰腺癌的分子机制提供了新视角，也为个体化治疗提供了潜在靶点。

尽管该研究存在缺乏实验验证等局限性，但其构建的风险模型具有良好的预测性能和临床转化潜力。未来通过收集临床样本进行免疫组化、Western blotting等实验验证，将进一步确认这些自噬相关基因的临床价值。该研究为胰腺癌的精准医疗提供了新的生物标志物和治疗策略，有望改善这一难治性肿瘤的临床预后。