探索核糖体生物发生调控在肺腺癌预后评估及免疫治疗策略中的关键作用

本研究针对肺腺癌(LUAD)预后评估和免疫治疗响应预测的临床难题，通过单细胞RNA测序(scRNA-seq)技术解析T细胞亚群中核糖体生物发生(RiboSis)的动态特征，结合机器学习算法构建了核糖体生物发生相关特征(RBS)模型。该模型在5个独立数据集中显著优于140个现有预后标志物，证实低RBS组具有更活跃的肿瘤免疫微环境(TIME)和更好的免疫治疗响应。实验验证关键基因KIF23促进LUAD细胞增殖迁移，为临床决策提供新型生物标志物和潜在治疗靶点。

　　

肺腺癌作为非小细胞肺癌的主要亚型，其高死亡率与治疗抵抗始终是临床面临的重大挑战。尽管免疫检查点阻断(ICB)疗法为晚期患者带来希望，但响应率不足50%的现状凸显精准预后评估工具的缺失。更棘手的是，肿瘤细胞通过核糖体生物发生(RiboSis)——
这个涉及300余个基因、从核仁到胞质精密调控蛋白质合成机器的过程——
获得增殖优势和治疗抵抗，但其在免疫微环境中的动态特征仍属未知。

南京医科大学第一附属医院胸外科团队在《Journal of Translational Medicine》发表的研究，首次将单细胞分辨率下的RiboSis图谱与机器学习预测模型相结合。研究人员整合9例LUAD患者的scRNA-seq数据（GSE189357）和5个队列共1498例患者的转录组数据，通过10种机器学习算法构建RBS模型，并利用免疫组化、体外实验和分子对接进行多维度验证。

关键技术包括：单细胞转录组聚类分析（Seurat包）、细胞通讯网络构建（CellChat）、伪时序分析（Monocle2）、机器学习模型优化（CoxBoost/SuperPC算法）、免疫浸润评估（TIMER2.0/CIBERSORT等7种算法）以及KIF23功能验证（CCK-8/Transwell实验）。

研究结果揭示：

1. 单细胞层面解析RiboSis特征：
   CD4⁺初始样T细胞(CD4_TN)高表达RPS8/RPL11等核糖体基因，其RiboSis活性随分化至CD4⁺辅助性T细胞(CD4_TFH)或调节性T细胞(CD4_Treg)逐渐降低。细胞通讯分析显示高RiboSis-AUC组通过LGALS9-CD44等配受体对增强髓系细胞-上皮细胞互作。

2. 机器学习模型构建：
   从830个RiboSis相关基因中筛选出20个关键基因（如KIF23/TPX2/RPS19），CoxBoost+SuperPC算法构建的RBS模型在TCGA等5个数据集的平均C-index达0.69，显著优于140个现有模型。

3. 临床关联与机制探索：
   低RBS组呈现"热肿瘤"特征：CD8⁺T细胞浸润增加2.3倍（p<0.001），免疫检查点(PD-L1/CTLA-4)表达上调，抗原呈递评分提高1.8倍。分子对接证实靶向药物SB-743921与KIF23蛋白结合能达-7.4kcal/mol。

4. 实验验证：
   KIF23敲除使A549细胞迁移率降低62%（p<0.01），而过表达促进集落形成数增加2.1倍。免疫组化证实低RBS组CD4⁺/CD8⁺T细胞密度较对照组高3.5倍。

这项研究开创性地将RiboSis机制解析与临床预测模型相结合，其重要意义体现在三方面：
1）首次揭示CD4⁺T细胞分化过程中RiboSis活性动态变化规律；
2）RBS模型实现免疫治疗敏感人群的精准分层（AUC=0.86）；
3）发现KIF23作为促癌基因可通过小分子抑制剂（如ispinesib）靶向干预。

该成果为LUAD的个体化治疗提供了新型生物标志物体系，其"单细胞机制解析-机器学习建模-临床转化验证"的研究范式，也为其他肿瘤的精准诊疗研究提供了借鉴。未来需在前瞻性临床试验中验证RBS的预测效能，并探索RiboSis调控剂与免疫治疗的联合策略。