基于液-液相分离相关基因的头颈鳞癌预后预测模型构建及其在肿瘤免疫微环境和化疗响应评估中的应用

本研究针对头颈鳞状细胞癌（HNSCC）预后预测的临床难题，通过整合TCGA和GEO数据库的转录组数据，开发了液-液相分离相关基因（LLPS-related genes, LRGs）的预后标志物。研究结合LASSO回归和Cox分析构建了LRG特征模型，证实其可预测患者生存、免疫微环境及化疗敏感性，并通过体外实验验证了关键基因LRP12的促癌功能，为HNSCC个体化治疗提供了新工具。

　　

头颈鳞状细胞癌（HNSCC）是全球第六大高发恶性肿瘤，其侵袭性强、易淋巴结转移的特点导致患者5年生存率不足50%。目前临床依赖的TNM分期系统难以精准预测个体预后，且肿瘤异质性使得化疗响应差异显著。近年来，液-液相分离（Liquid-liquid phase separation, LLPS）作为调控生物分子凝聚体形成的关键机制，被发现在DNA损伤修复、表观遗传调控等癌症相关通路中起重要作用。然而，LLPS相关基因（LRGs）在HNSCC中的系统研究仍属空白。

为解决这一科学问题，镇江口腔医院的研究团队通过整合癌症基因组图谱（TCGA）和基因表达汇编（GSE41613）的多中心数据，首次构建了HNSCC特异性LRG预后模型。研究采用单变量Cox回归筛选初始候选基因，结合LASSO算法优化特征组合，最终建立包含多个关键LRGs的预测标志物。该模型在独立验证队列中展现出稳定的预后预测能力，其风险评分与肿瘤浸润免疫细胞丰度呈显著负相关。进一步通过体外基因沉默实验证实，核心基因LRP12的敲除可显著抑制HNSCC细胞增殖、迁移并诱导凋亡。相关成果发表于《Archives of Oral Biology》，为HNSCC的精准分型和治疗策略优化提供了新视角。

研究主要采用以下关键技术：1）基于TCGA-HNSC和GSE41613队列的转录组数据整合分析；2）通过单变量Cox和Kaplan-Meier生存分析筛选预后相关LRGs；3）LASSO回归算法构建特征模型；4）CIBERSORT算法评估肿瘤免疫微环境；5）体外siRNA基因沉默验证靶基因功能。

研究结果

1. 预后基因筛选与模型构建：从PhaSepDB数据库5189个LRGs中筛选出37个与HNSCC生存显著相关的基因，经LASSO回归最终确定包含8个基因（如LRP12、HNRNPA1等）的特征模型。高风险组患者总生存期较对照组缩短47%。

2. 免疫微环境关联：LRG特征评分与CD8⁺
   T细胞、M1型巨噬细胞浸润呈负相关（P<0.01），提示该模型可反映肿瘤免疫逃逸状态。

3. 化疗响应预测：高风险组对顺铂、5-FU等常规化疗药物敏感性降低（IC₅₀
   增加1.8-3.2倍），为临床用药选择提供参考。

4. LRP12功能验证：体外实验显示，沉默LRP12可使HNSCC细胞增殖率下降62%，迁移能力减弱75%，凋亡率提升3.1倍（P<0.001）。

讨论与结论
该研究首次系统阐明了LLPS机制在HNSCC发生发展中的调控作用，其构建的LRG特征模型突破了传统TNM分期的局限性，实现了预后预测、免疫状态评估和化疗响应预测的三重功能整合。特别值得注意的是，LRP12作为新型致癌靶点的发现，为开发针对LLPS通路的小分子抑制剂提供了理论依据。研究者进一步开发的联合临床病理特征的列线图（Nomogram）模型，临床实用性强，有望推动HNSCC诊疗进入分子分型时代。未来研究可扩大样本验证模型普适性，并深入探索LRGs调控肿瘤微环境的具体分子机制。