编辑推荐：
胶质母细胞瘤（GBM）治疗极具挑战，研究人员针对失巢凋亡（anoikis）在 GBM 中的作用展开研究。通过分析多数据库数据构建预后模型，发现相关基因的异质性表达，明确关键基因 SLC43A3。该研究为 GBM 个性化治疗提供方向。
胶质母细胞瘤（Glioblastoma，GBM）是成年人中最常见且侵袭性最强的原发性脑肿瘤，如同隐藏在大脑深处的 “恶魔”。它进展迅速，死亡率极高，即便当前治疗手段多样，包括手术、放疗和化疗，但患者的中位生存期仅约 15 个月。这主要是因为 GBM 细胞具有高侵袭性，常能突破重重防线，浸润周围健康脑组织，还对多种治疗产生抵抗。失巢凋亡（anoikis）作为一种细胞程序性死亡机制，在正常生理状态下，能像 “忠诚卫士” 一样，清除那些脱离细胞外基质的异常细胞，维持组织的稳定。然而，在癌症领域，许多癌细胞却学会了 “反抗”，获得了失巢凋亡抗性，GBM 细胞便是其中的典型。它们凭借这种能力，在脱离细胞外基质后依然能存活、转移，导致肿瘤不断恶化。但一直以来，失巢凋亡在 GBM 中的具体作用机制、相关关键基因以及对患者预后的影响都尚不明确。
为了揭开这些谜团，南京医科大学第一附属医院等单位的研究人员展开了深入研究。研究成果发表在《Cancer Cell International》上。
研究人员采用的主要技术方法包括：从 TISCH2、GEO 和 CGGA 等数据库获取单细胞测序和批量转录组测序数据；利用 R 语言相关函数进行单细胞测序分析，如数据质控、归一化处理、寻找可变基因等；运用 101 种机器学习算法构建预后模型，并在多个队列中验证模型的临床价值；对肿瘤突变、肿瘤微环境进行分析；通过细胞实验，如细胞培养、转染、qRT-PCR、Western blotting、CCK-8 测定、集落形成实验、Transwell 实验等，验证关键基因的功能 。
研究结果如下：
- 单细胞测序分析：对单细胞测序数据进行分析，将所有细胞注释为 8 种细胞类型。发现 MES 样恶性细胞和髓细胞中失巢凋亡相关基因的富集程度较高，且失巢凋亡高表达组细胞间的通讯和相互作用更为频繁。通过分析差异表达基因和与失巢凋亡评分相关的基因，为构建预后模型提供了基础。
- 机器学习构建预后模型：利用 101 种机器学习算法及其组合构建预后模型，结果显示 Lasso + RSF 算法的 c-index 最显著，被确定为最优模型。
- 预后模型临床价值验证：在 5 个队列中，根据预后模型的风险评分将 GBM 患者分为高风险和低风险组。结果表明，高风险组患者的预后明显更差。ROC 曲线和 PCA 分析验证了模型具有可接受的准确性，能够有效对患者进行分层。同时发现高风险组 MGMT 基因的甲基化水平更高。
- 突变和肿瘤微环境分析：构建高风险和低风险组的突变景观，发现高风险组基因突变频率更高，常见染色体突变位点为 7p11.2，突变类型为扩增。低肿瘤突变负荷（TMB）的患者生存结果似乎更差，结合 TMB 和风险评分来看，低 TMB + 高风险组患者预后最差。免疫浸润分析显示，高风险组多种免疫细胞浸润增加，与肿瘤微环境相关的免疫细胞如 M2 巨噬细胞、调节性 T 细胞（Tregs）和树突状细胞更为明显。高风险组的肿瘤微环境更为复杂，免疫浸润程度更高，肿瘤纯度更低。
- 关键基因 SLC43A3 的鉴定：确定 SLC43A3 为预后模型中的关键基因。分析发现 SLC43A3 在肿瘤组织中显著上调，与患者预后不良相关，在 IDH 野生型 GBM 中的表达高于 IDH 突变型。功能分析表明它与多种关键细胞功能和通路相关，还与药物敏感性有关。
- 临床和细胞系验证：在 GBM 组织和细胞系中验证了模型基因的表达。结果显示，模型中的 4 个基因在 GBM 组织中的 mRNA 水平均上调，SLC43A3 的蛋白水平在肿瘤组织中也更高。在 LN229 和 U87 细胞系中，敲低 SLC43A3 后，细胞活力、增殖能力、迁移和侵袭能力均显著下降。
研究结论和讨论部分指出，该研究系统地揭示了失巢凋亡抗性在 GBM 中的关键作用，通过整合单细胞测序和批量转录组测序数据，全面刻画了 GBM 中失巢凋亡的分子特征。构建的基于失巢凋亡相关基因的预后模型，为患者分层和个性化治疗提供了有力工具。关键基因 SLC43A3 的发现，为 GBM 的精准治疗开辟了新方向。然而，研究也存在一定局限性，如预后模型还需在前瞻性临床试验中进一步验证，对失巢凋亡抗性的生物学机制理解还需更多功能实验支持。尽管如此，该研究依然为 GBM 的研究和治疗带来了新的曙光，为后续探索更有效的治疗策略奠定了坚实基础，有望改善 GBM 患者的预后，让更多患者受益 。
