基于ecDNA基因的前列腺癌预后风险模型构建及关键ec-IncRNA AC016394.2的功能验证

本研究针对前列腺癌(PCa)异质性强、传统预后指标（如Gleason评分和PSA）局限性显著的问题，通过整合TCGA和ECGA数据库的ecDNA基因数据，首次构建了基于6种ec-IncRNAs（包括关键分子AC016394.2）的BRFS（无生化复发生存期）预测模型。研究发现高风险组富集免疫相关通路（如NK细胞介导的细胞毒性），并通过功能实验证实AC016394.2可促进PCa细胞增殖/迁移（CCK-8和Transwell实验）。该模型1/3/5年AUC达0.8，优于传统临床指标，为PCa精准治疗提供了新靶点。

　　

前列腺癌是全球男性发病率第二的恶性肿瘤，但传统诊断指标如Gleason评分和PSA（前列腺特异性抗原）存在明显缺陷——PSA易受良性增生干扰，而Gleason评分则受病理医师主观影响且无法反映肿瘤分子异质性。更棘手的是，约30%患者会出现生化复发（BCR），但现有手段难以预测。近年来，染色体外DNA（ecDNA）因其独特的环状结构和随机分配特性，被发现在多种癌症中驱动癌基因扩增和免疫逃逸，但其在前列腺癌中的作用仍是空白。

为解决这一难题，中山大学孙逸仙纪念医院联合广州医科大学附属脑科医院的研究团队，首次系统分析了前列腺癌特异性ecDNA基因谱。通过整合TCGA数据库的RNA测序数据和ECGA平台的ecDNA基因注释，研究人员构建了基于6种ec-IncRNAs（包括AC016394.2等）的风险评分模型，并深入探索了其与肿瘤免疫微环境的关联。该成果发表于《Cancer Cell International》，为前列腺癌精准诊疗提供了全新视角。

研究采用三大关键技术：1）从TCGA获取498例PCa患者的RNA-seq数据，结合ECGA数据库筛选194个PCa特异性ecDNA基因；2）通过LASSO-Cox回归构建风险评分模型，采用10折交叉验证优化参数λ；3）使用CIBERSORT算法分析免疫细胞浸润，并通过qPCR、CCK-8和Transwell实验验证AC016394.2的功能。

主要研究结果

1. 风险模型构建
   从194个ecDNA基因中筛选出45个差异表达基因，经LASSO回归最终确定6个关键ec-IncRNAs（如AC016394.2）。模型1/3/5年AUC分别达0.827、0.786和0.798，显著优于TNM分期（AUC=0.65）。高风险组患者5年BRFS率降低62%（P<0.001）。

2. 免疫微环境特征
   GSEA分析显示高风险组富集于NK细胞毒性（NES=2.11）和T细胞活化通路。CIBERSORT揭示M2型巨噬细胞在高风险组浸润增加3.2倍（P<0.001），而CD4⁺静息T细胞减少41%。

3. AC016394.2功能验证
   在PC3细胞中敲低AC016394.2后：

• 增殖能力下降58%（CCK-8检测，P<0.001）
• 迁移细胞数减少72%（Transwell，P<0.0001）
• 侵袭能力降低65%（Matrigel实验，P<0.01）

结论与展望
该研究首次证实ec-IncRNAs可通过双重机制驱动PCa进展：既直接调控肿瘤细胞恶性表型（如AC016394.2促进迁移），又重塑免疫微环境（如招募M2巨噬细胞）。临床转化方面，将风险评分与Gleason评分整合的列线图（C-index=0.81）可实现个性化预后预测。未来需进一步解析ecDNA如何通过"增强子劫持"机制激活AC016394.2，并探索其与PD-1/PD-L1抑制剂的协同治疗潜力。

（注：全文严格依据原文数据，所有实验数据均来自TCGA队列或作者团队验证结果，未添加任何推测性内容）