《Hormones & Cancer》：Mitochondrial-associated PCD signature defines immune landscape, therapeutic sensitivity, and prognosis in hepatocellular carcinoma
编辑推荐：
本研究针对肝细胞癌(HCC)预后差、治疗反应性异质性大的临床难题，通过整合TCGA-LIHC和HCCDB18队列数据，首次系统构建了HCC线粒体相关程序性细胞死亡特征谱(MPCDS)预后模型。研究人员利用机器学习算法筛选出56个关键基因，证实该模型在预测1/3/5年生存率方面表现卓越(AUC均>0.97)，并通过qRT-PCR实验验证KIF2C和CDK4等核心基因的致癌作用。该研究为HCC精准分型及个体化治疗提供了新型生物标志物体系。
肝细胞癌是全球范围内最常见的肝脏恶性肿瘤，也是癌症相关死亡的主要原因之一。尽管诊断技术和治疗策略不断进步，肝细胞癌患者的预后仍然不容乐观，五年生存率低于30%。这种严峻的局面主要归因于肝癌的高复发转移率以及当前治疗方法的有限效果。因此，亟需发现新的生物标志物和治疗靶点，以改善肝细胞癌患者的预后和治疗效果。
在这一背景下，线粒体作为细胞能量代谢、凋亡和信号转导的核心细胞器，其在癌症发生发展中的作用日益受到关注。线粒体功能障碍已被证实与多种癌症的发病机制相关，包括肝细胞癌。程序性细胞死亡(PCD)是维持组织稳态、防止癌症发生的关键过程。而在包括肝细胞癌在内的多种癌症中，都观察到了PCD通路的失调。线粒体功能与PCD通路之间的相互作用复杂且深远，已被证明能够影响癌细胞的存活和对治疗的反应。
鉴于线粒体失衡的致癌潜力，先前研究已在肺腺癌中识别出线粒体相关程序性细胞死亡特征谱(MPCDS)，该特征谱显示出作为预后生物标志物和治疗靶点的潜力。然而，MPCDS在肝细胞癌中的应用尚未得到广泛探索。考虑到线粒体和PCD在癌症生物学中的关键作用，MPCDS很可能成为肝细胞癌预后和治疗反应的有价值的生物标志物。
为了回答这些问题，研究人员开展了一项系统性的研究。他们整合了来自TCGA-LIHC和HCCDB18队列的肝细胞癌数据，通过差异表达分析并与已知的MPCDS基因取交集，鉴定出351个HCC MPCDS基因。利用Cox回归和多种机器学习算法，研究人员构建并验证了一个基于56个关键基因的预后模型。该模型展示了强大的预测能力。此外，研究还通过qRT-PCR实验对排名靠前的基因进行了实验验证。主要技术方法包括：利用公共数据库（TCGA-LIHC和HCCDB18）进行生物信息学分析，使用ConsensusClusterPlus进行分子分型，应用GSVA和ssGSEA进行通路和免疫浸润分析，采用多种机器学习算法（如随机森林RSF、LASSO等）构建预后模型，并通过qRT-PCR对临床样本进行实验验证。
4.1 肝细胞癌中线粒体相关程序性细胞死亡特征谱的鉴定与聚类
研究人员从TCGA-LIHC和HCCDB18队列中筛选出2216个共同的差异表达基因(DEGs)，与已报道的MPCDS基因取交集后，得到351个HCC MPCDS基因。通过单因素回归分析，从中鉴定出56个与生存显著相关（Cox p值<0.0001）的基因。基于这些基因的表达水平，将样本聚类为三个具有显著生存差异的亚型（Cluster A, B, C）。其中Cluster B患者生存期最短，且该簇中AURKA、BIRC5、CDK4等49个基因表达上调，提示MPCD通路过度激活与不良预后相关。
4.2 HCC MPCDS簇的免疫景观和干性反映其恶性程度
通路富集分析显示，Cluster B显著富集于DNA修复、mTORC1信号、E2F靶点等与细胞增殖相关的通路；而Cluster C则富集于胆汁酸代谢、过氧化物酶体、脂肪酸代谢等代谢相关通路。突变分析发现，Cluster B富含TP53突变，而Cluster C则以CTNNB1突变为主。免疫浸润分析表明，Cluster C具有更丰富的抗肿瘤免疫细胞（如效应记忆CD8+T细胞、Th1细胞）浸润，而Cluster B则表现出更高的肿瘤干性评分和免疫抑制性Th2细胞浸润，这与其恶性表型相符。
4.3 基于MPCD特征谱的机器学习模型实现肝细胞癌患者生存预测
研究人员进一步筛选出77个显著基因（67个“坏基因”HR>1，10个“好基因”HR<1），并利用10种机器学习算法构建预后模型。其中随机森林(RSF)模型表现最佳。该模型在训练队列（TCGA-LIHC）中能显著区分高危和低危患者（p<0.0001），并且预测1年、3年和5年生存率的AUC值分别高达0.976、0.984和0.976。模型在HCCDB18和合并队列中也得到了有效验证。
4.4 HCC MPCD评分模型的免疫景观与空间转录组分析
根据RSF模型划分的风险组显示出截然不同的免疫组成和趋化因子表达模式。高危组体细胞突变频率更高，尤其TP53等基因。药物敏感性预测显示，高危组对uprosertib、selumetinib等多种药物可能更不敏感。空间转录组分析直观展示了关键MPCD基因与免疫细胞在肿瘤组织中的空间分布与共定位，为理解其相互作用提供了空间背景。
研究的讨论部分深入解读了上述发现的意义。HCC MPCDS基因聚类与不同的预后结果相关联，Cluster B中AURKA、BIRC5、CDK4等高表达与细胞周期进程和增殖密切相关，揭示了其驱动肿瘤进展的作用。免疫景观的差异，特别是Cluster C中抗肿瘤免疫细胞的富集与Cluster B中免疫抑制环境的形成，强调了线粒体功能、免疫应答与肿瘤进展之间的复杂关联。TP53与CTNNB1突变在不同簇中的分布模式，进一步将基因突变特征与MPCDS表型、代谢重编程（如Cluster C的胆汁酸代谢）联系起来，强化了线粒体稳态破坏在HCC MPCDS中的核心地位。
本研究构建的机器学习模型展现出了极高的预后预测准确性，是领域内的一项重要进展。SHAP分析揭示了TXNRD1、SFN等基因对模型预测的重要贡献，DepMap分析则证实了KIF2C、CDK4等基因对细胞存活的关键作用，qRT-PCR实验也在临床样本中验证了这些基因在癌组织中的上调表达。空间转录组分析为关键基因和免疫组分的空间组织提供了新颖视角。
该研究也存在一些局限性，例如其回顾性性质、缺乏完全独立的外部验证队列、临床协变量未完全统一以及功能验证规模有限等。未来的研究需要在更大规模的前瞻性队列中验证这些发现，并深入探索靶向HCC MPCDS基因的治疗潜力。
综上所述，本研究通过对肝细胞癌中线粒体相关程序性细胞死亡特征谱的全面分析，揭示了其重要的预后价值和作为治疗靶点的潜力。所鉴定的关键基因和通路不仅深化了对肝癌进展机制的理解，而且其与免疫景观和药物敏感性的关联，为开发针对线粒体功能障碍的癌症治疗策略指明了方向。整合多组学数据和先进计算方法的未来研究，将有望进一步推动肝细胞癌更有效疗法的开发。
