编辑推荐：
结直肠癌（CRC）死亡率高，预后预测和治疗策略有待改进。研究人员开展了利用机器学习构建程序性细胞死亡指数（PCDI）预测 CRC 患者预后的研究。结果显示 PCDI 可分层患者风险，相关代谢和免疫微环境有差异。该研究为 CRC 诊疗提供新方向。
在全球范围内，癌症始终是威胁人类健康的重大难题，其中结直肠癌（Colorectal Cancer，CRC）更是 “臭名昭著”。据 GLOBOCAN 2020 估计，CRC 是全球第三大常见癌症，也是癌症相关死亡的第二大主因。尽管医学不断进步，临床治疗手段日益丰富，但 CRC 患者的预后情况依旧不容乐观。对于医生和患者来说，准确预测病情发展、制定个性化治疗方案，就像在黑暗中摸索，急需一盏明灯照亮前行的道路。在这样的背景下，探究新的生物标志物和治疗靶点迫在眉睫，这不仅关系到无数患者的生命健康，也是医学领域攻克 CRC 的关键一步。
为了解决这一难题，来自扬州职业大学、右江民族医学院附属医院等机构的研究人员展开了深入研究。他们聚焦于程序性细胞死亡（Programmed Cell Death，PCD）这一关键领域，PCD 是细胞为维持组织内环境稳定而进行的有序死亡过程，涵盖凋亡、焦亡、铁死亡等多种形式，在肿瘤的发生、发展和治疗反应中起着至关重要的作用 。研究人员通过整合 PCD 相关基因和机器学习技术，构建了程序性细胞死亡指数（Programmed Cell Death Index，PCDI），并在《Discover Oncology》上发表了相关研究成果，为 CRC 的预后预测和治疗策略优化带来了新的曙光。
研究人员开展这项研究主要运用了以下几种关键技术方法：首先，从 The Cancer Genome Atlas（TCGA）数据库下载 CRC 患者的 RNA 测序数据、临床信息和突变数据，从 GEO 数据库获取 CRC 患者的微阵列数据及临床信息 。其次，使用 “DESeq2” R 包识别差异表达基因（Differentially Expressed Genes，DEGs） 。然后，借助 “ClusterProfiler”“GSVA”“limma” 等 R 包进行功能富集分析。利用 “maftools” R 包分析突变景观。通过 10 种机器学习算法及其两两组合构建 PCDI 模型，并以 Harrell 一致性指数（C-index）评估模型性能 。最后，运用 “CIBERSORT” 方法分析肿瘤微环境，使用 Tumor Immune Dysfunction and Exclusion（TIDE）模块预测免疫治疗反应。
下面来看具体的研究结果：
- PCD 相关基因的突变景观和富集分析：研究人员对比 CRC 与正常结直肠组织，找出差异表达的 PCD 相关基因，并进行富集分析。结果发现细胞因子 - 细胞因子受体相互作用、PI3K - Akt 信号通路、JAK - STAT 信号通路等显著富集。同时，可视化 PCD 相关基因的突变景观，发现多个基因存在频繁共突变。进一步计算各样本不同 PCD 类型的富集分数，发现肿瘤组织中凋亡、铁死亡、坏死性凋亡等的分数高于正常组织，而正常组织中细胞内卷亡和中性粒细胞胞外陷阱死亡（NETotic cell death）分数更高。
- PCDI 的开发：基于 TCGA - CRC 队列，研究人员整合多种机器学习算法构建预后模型。在众多测试组合中，Lasso 与逐步 Cox 回归（direction = both）相结合的模型在验证队列中平均 C-index 最高，被选定用于后续分析。该模型确定了 17 个 PCD 相关的预后基因，根据这些基因的 mRNA 表达水平及相应的 Cox 回归系数计算 PCDI 值。通过分析发现，高 PCDI 组患者生存率更低，总生存期明显更短。
- 预后列线图的构建与验证：在 TCGA - CRC 队列中进行单因素和多因素 Cox 回归分析，评估年龄、疾病分期和 PCDI 等因素对预后的影响。结果表明，年龄较大、分期较晚和 PCDI 较高均与 CRC 患者预后较差相关。基于多因素 Cox 回归模型，研究人员构建了列线图来预测 CRC 患者 1 年、3 年和 5 年生存率。校准曲线显示模型预测与实际生存率一致性良好，ROC 曲线的高 AUC 值表明模型准确性高，决策曲线分析也证实结合临床特征和 PCDI 的模型优于单独使用传统预后因素。在 GSE17536、GSE17537 和 GSE41258 队列的验证中，高风险组患者预后更差，模型预测性能良好。
- PCDI 的临床关联及高低 PCDI 组的差异通路分析：研究发现，肿瘤浸润更深（T3/T4）、有淋巴结转移（N?）或远处转移（M1）的患者 PCDI 值显著更高。GSVA 分析显示，高 PCDI 组中脂肪酸代谢通路富集，低 PCDI 组中糖酵解通路更活跃。
- 免疫微环境和免疫治疗反应预测：利用 CIBERSORT 算法分析肿瘤免疫细胞比例，发现免疫抑制性调节性 T 细胞（Tregs）与 PCDI 呈正相关，高 PCDI 组中 Tregs 比例更高。同时，高 PCDI 患者免疫检查点基因 PDCD1 和 CD274 表达水平较低。TIDE 算法预测结果显示，高 PCDI 组患者对免疫检查点抑制剂的耐药比例更高，且 TIDE 和免疫排斥分数更高，免疫功能障碍分数两组无显著差异。在 GEO - meta 队列中也得到了一致结果。
综合来看，这项研究揭示了 PCD 在 CRC 预后和治疗耐药中的关键作用。PCDI 作为一种全新的整合生物标志物，在预后预测方面表现出色，有助于医生更准确地判断患者病情，为患者分层管理提供有力依据。此外，PCDI 还揭示了高低 PCDI 组患者在肿瘤代谢和免疫微环境方面的差异，为开发针对特定患者群体的代谢靶向治疗策略和个性化免疫治疗方案提供了重要线索，有望推动 CRC 临床治疗向精准化、个性化方向迈进，具有重要的临床应用价值和研究意义。但研究也存在一定局限性，如缺乏前瞻性临床验证、多组学数据整合不足等，未来还需要进一步深入研究加以完善 。
