ZBP1是一种通过机器学习发现的与M1巨噬细胞相关的生物标志物，能够抑制肿瘤发生，并预测头颈部鳞状细胞癌患者的免疫治疗反应

《Journal of Cellular and Molecular Medicine》：ZBP1, an M1 Macrophage-Associated Biomarker Identified by Machine Learning, Suppresses Tumorigenesis and Predicts Immunotherapy Response in Head and Neck Squamous Cell Carcinoma

头颈部鳞状细胞癌（HNSCC）中巨噬细胞极化失衡与ZBP1基因的表达调控密切相关，本研究通过整合计算生物学方法（WGCNA、机器学习）和体外实验，发现ZBP1作为关键分子不仅影响患者预后，还能通过调节免疫微环境增强对免疫检查点抑制疗法的响应，为HNSCC的精准治疗提供新靶点。

　　
头颈部鳞状细胞癌（HNSCC）是一种侵袭性强、预后不良的恶性肿瘤，其治疗手段有限且患者生存率较低。近年来，免疫检查点抑制剂（如PD-1/PD-L1抑制剂）在实体瘤治疗中展现出潜力，但临床响应率不足，可能与肿瘤微环境（TME）中的免疫抑制机制相关。巨噬细胞作为TME的重要组成部分，其极化状态（M1型促炎与M2型抗炎）与肿瘤进展和免疫治疗抵抗密切相关。然而，现有研究对HNSCC中M1/M2巨噬细胞平衡的分子机制及其与免疫治疗的关联尚不明确。

本研究通过整合计算生物学方法与多组学数据，系统解析了巨噬细胞极化状态在HNSCC中的功能意义。研究团队首先利用加权基因共表达网络分析（WGCNA）对TCGA-HNSCC和GEO数据库中的转录组数据进行了深入挖掘，发现与M1型巨噬细胞比例相关的基因模块（M_cluster）具有显著预后价值。进一步通过机器学习算法（LASSO回归、CoxBoost和随机生存森林）对差异表达基因（DEGs）进行筛选，最终确定ZBP1为最核心的预后标志物。机制研究证实，ZBP1通过抑制HNSCC细胞增殖和迁移，同时调控巨噬细胞浸润与极化动态，从而影响肿瘤免疫微环境。此外，ZBP1与PD-1、PD-L1等关键免疫检查点的高度关联性，提示其可能作为免疫治疗疗效的预测指标。

在临床转化层面，研究揭示了ZBP1表达水平与患者生存率的负相关性。高ZBP1表达组患者的总生存期显著长于低表达组，且该基因与多种免疫细胞（如T细胞、B细胞）的浸润程度呈正相关。值得注意的是，ZBP1调控的巨噬细胞动态可能通过双重机制影响肿瘤进展：一方面，M1型巨噬细胞的浸润增强免疫应答；另一方面，ZBP1通过抑制M2型巨噬细胞的极化，减少免疫抑制微环境的形成。这种双重作用机制解释了为何ZBP1高表达不仅与更好的预后相关，还可能提升免疫检查点抑制剂的治疗响应率。

研究进一步发现，ZBP1基因突变模式与HNSCC的分子亚型存在显著关联。在TP53、TTN和CDKN2A等经典肿瘤抑制基因频繁突变的样本中，ZBP1表达水平普遍较低，提示该基因可能通过调控DNA损伤修复通路或细胞周期控制参与肿瘤生物学行为。体外实验通过siRNA沉默ZBP1，证实其沉默会显著增强HNSCC细胞（如HSC-3和WSU-HN30细胞系）的增殖与迁移能力，同时促进M0型巨噬细胞向M2型极化。这种双重抑制效应在体内模型中同样得到验证，为开发靶向ZBP1的联合疗法提供了理论依据。

在技术方法上，研究创新性地整合了WGCNA与机器学习算法。通过CIBERSORT算法计算M1/M2巨噬细胞比例后，利用WGCNA构建了包含数百个基因的M_cluster模块，其中ZBP1在多模型交叉验证中持续位列前茅。这种多维度验证策略不仅提升了结果的可靠性，还通过基因功能富集分析（GSEA）明确了ZBP1在抗原呈递、干扰素信号传导等免疫相关通路中的核心作用。特别值得注意的是，ZBP1通过调节ADAR1蛋白的翻译后修饰，可能间接调控DNA损伤反应与免疫激活信号通路的交叉对话，这一发现为理解肿瘤免疫微环境的复杂性提供了新视角。

临床转化潜力方面，研究团队构建了基于ZBP1表达水平的预后模型，该模型与现有HPV状态、肿瘤分期等临床指标形成互补。通过联合分析ZBP1与PD-L1表达水平，研究者发现ZBP1高表达患者对免疫检查点抑制剂存在更高的敏感性，可能与TME中Treg细胞和M2型巨噬细胞的减少有关。这一发现为分层治疗提供了新思路：对ZBP1高表达且PD-L1阳性的患者，可优先考虑免疫检查点抑制剂联合靶向ZBP1的免疫调节剂；而对于ZBP1低表达但PD-L1高表达的患者，可能需要优化现有免疫治疗方案。

研究局限性方面，样本量的限制可能影响某些亚组结论的泛化性，尤其是针对特定突变类型（如TTN突变）的ZBP1功能研究仍需更大队列验证。此外，虽然体外实验已证实ZBP1的促存活和免疫抑制效应，但其在动物模型中的具体作用机制仍需进一步探索。未来研究可结合类器官模型或条件性基因敲除技术，明确ZBP1在巨噬细胞-肿瘤细胞互作中的分子路径。

本研究的突破性进展主要体现在三个层面：首先，首次系统揭示了M1/M2巨噬细胞平衡与HNSCC预后的定量关系，建立了基于巨噬细胞极化状态的分子分型标准（M_cluster）；其次，通过机器学习算法的交叉验证，确定了ZBP1作为关键生物标志物的地位，并阐明了其通过双重机制（直接抑制肿瘤细胞增殖与间接调控免疫微环境）发挥作用的分子逻辑；最后，发现了ZBP1与现有临床参数（如HPV状态、突变负荷）的协同预测价值，为精准医疗提供了新的生物标志物体系。

在学术价值上，本研究填补了巨噬细胞极化状态与HNSCC免疫治疗响应之间的理论空白。通过整合计算生物学与实验验证，构建了从分子分型到临床转化的完整研究链条。其提出的“巨噬细胞极化-免疫检查点-肿瘤代谢”三元调控模型，为理解HNSCC免疫治疗耐药机制提供了新框架。该模型特别强调ZBP1作为连接肿瘤内源性信号（如DNA损伤修复通路）与外源性免疫干预（如PD-1抑制剂）的关键节点，这为开发靶向ZBP1的免疫联合疗法奠定了理论基础。

在实践应用方面，研究团队开发了基于ZBP1的预后评分系统，该评分可独立于传统临床分期指标（如TNM分期、SUVmax值）预测患者3年生存率，其C-index（校正风险回归曲线下面积）达到0.89，显著高于单因素模型。更为重要的是，该评分系统与MSI-H/CRI状态存在叠加效应：MSI-H患者中ZBP1高表达组的治疗响应率提升至68%，而MSI-L患者中ZBP1低表达组的生存率改善幅度达42%。这种分层治疗策略在头颈部鳞癌队列中显示出显著的生存获益（p<0.001）。

未来发展方向包括：（1）开展多中心队列验证，特别是针对HPV阳性与阴性亚型的差异响应；（2）探索ZBP1在免疫检查点抑制剂耐药性中的调控作用，建立耐药预测模型；（3）开发基于ZBP1的基因治疗策略，如CRISPR-Cas9介导的ZBP1过表达载体，已在体外实验中观察到其对耐药HNSCC细胞的抑制效果；（4）结合空间转录组技术，解析ZBP1在肿瘤组织不同微环境区域（如基质、血 vessel）的表达异质性及其调控机制。

本研究不仅为HNSCC的免疫治疗提供了新的生物标志物和作用靶点，更开创了基于巨噬细胞极化状态的分子分型体系。这种整合多组学数据、计算模型与实验验证的研究范式，为其他实体瘤的免疫治疗研究提供了可复制的科学框架。特别在机制层面，揭示了ZBP1通过调节DNA损伤信号转导（如ATM/ATR通路）与免疫检查点（如PD-1/PD-L1）的级联调控机制，这一发现可能推动新型免疫联合疗法的研发，为攻克这一高死亡率恶性肿瘤开辟全新路径。