机器学习驱动的肺腺癌程序性细胞死亡关键生物标志物鉴定：多组学分析助力精准预后预测

本研究针对肺腺癌（LUAD）患者缺乏有效预后标志物的临床难题，通过整合TCGA和GEO多组学数据，结合机器学习算法（LASSO回归、WGCNA）系统筛选出12个程序性细胞死亡（PCD）相关核心基因（ACSL3/ALK/HSPA4等），构建高精度生存预测模型（1/3/5年AUC=0.687/0.699/0.627）。首次揭示HSPA4通过调控T辅助/Th2细胞浸润影响肿瘤免疫微环境，为LUAD个体化治疗提供新靶点。

　　

肺腺癌作为最具侵袭性的恶性肿瘤之一，患者五年生存率长期徘徊在20%以下。其致命根源在于肿瘤细胞通过异常调控程序性细胞死亡（Regulated Cell Death, RCD）通路逃避凋亡，而现有生物标志物难以精准预测疾病进展。面对这一临床困境，研究人员在《Discover Oncology》发表突破性研究，通过机器学习驱动的多组学分析，首次绘制肺腺癌PCD调控全景图谱，为个体化治疗开辟新路径。

研究团队整合TCGA数据库585例肺腺癌样本的RNA-seq数据及临床信息，结合GEO数据集，运用非负矩阵分解（NMF）共识聚类识别PCD相关分子亚型。通过加权基因共表达网络分析（WGCNA）筛选核心模块，采用LASSO-Cox回归构建预后模型，并利用CIBERSORT/EPIC等六种算法解析免疫微环境特征。

3.1 PCD相关预后基因鉴定与分型
通过生存分析锁定46个关键PCD基因，其中ACSL3与BID高表达患者预后显著恶化（p<0.001）。共识聚类将患者分为免疫浸润特征迥异的Cluster A/B亚型：Cluster A具高免疫评分（ESTIMATEScore/ImmuneScore）和B细胞浸润，而Cluster B富集ALK突变且预后更差（图1C-G）。WGCNA揭示青柠模块（turquoise module）与TMB显著正相关（R=0.29, p<0.0001），其基因在"NOD样受体通路"富集。

3.2 PCD基因标志物构建与验证
LASSO算法从200个候选基因中筛选出12基因标志物（ACSL3/ALK/CYCS/DDIT4/EIF2S1/FADD/GDF15/GLS2/HERPUD1/HNF4A/HSPA4/ID1）。风险模型将患者分为高/低危组，高危组总生存期显著缩短（p<0.001），模型在1/3/5年预测AUC达0.687/0.699/0.627（图3C-D）。跨癌种分析显示该标志物在直肠癌、头颈鳞癌中同样具有预测价值（图3F）。

3.3 PCD基因的泛癌种变异特征
对9个核心基因的泛癌种突变分析揭示：ALK在皮肤黑色素瘤（67%）、子宫内膜癌（50%）和LUAD（35%）呈现高频突变，以移码缺失和无义突变为主；HSPA4在子宫内膜癌突变率达33%（图4A-B），提示其跨癌种调控价值。

3.4 风险分组临床关联解析
高危组富集晚期（III/IV期）及老年患者（图5A）。药物敏感性分析显示低危组对WIKI4（HSP90抑制剂）更敏感，而高危组对BMS-754807（IGF-1R抑制剂）响应更佳（p<0.05）。

3.6 PCD基因与免疫表型关联
关键发现聚焦HSPA4：其表达与T_H2（R=0.265）、Tcm细胞（R=0.161）正相关，与B细胞（R=-0.281）、浆细胞样树突细胞（pDCs）负相关（图7B-E）。在死亡患者和III期肿瘤中HSPA4表达显著上调（p<0.01），并与增殖标志物MKI67/PCNA正相关（p<0.001），提示其通过免疫调节与增殖信号共同驱动肿瘤进展。

这项研究首次构建了肺腺癌PCD相关12基因预后标志物，其预测效能超越现有临床指标。核心突破在于揭示HSPA4的双重调控机制：既通过T_H2/Tcm细胞重塑免疫微环境，又协同增殖信号（MKI67/PCNA）加速肿瘤进展。临床转化价值体现在三方面：①风险模型为个体化治疗提供决策工具；②ALK/HSPA4等靶点开辟联合治疗新路径；③免疫分型（Cluster A/B）指导免疫治疗人群筛选。该成果为破解肺腺癌异质性难题提供了多组学整合研究范式。