整合多组学与机器学习揭示HBV相关肝癌免疫微环境特征及SPP1靶向治疗新策略

本研究针对乙肝病毒(HBV)相关肝细胞癌(HCC)免疫抑制微环境机制不明的关键问题，通过整合TCGA、GEO等7个公共数据库的转录组数据与单细胞测序(scRNA-seq)，结合101种机器学习模型筛选出14个核心免疫基因(含SPP1/GHR/ESR1)，构建出C-index达0.706的预后模型。发现SPP1+血管相关巨噬细胞(angio-TAMs)通过ApoA信号通路促进免疫逃逸，分子对接筛选出槲皮素(myricetin)等6种潜在靶向药物，为HBV-HCC免疫治疗提供新靶点。

　　

在全球肝癌发病率高居第三的背景下，乙肝病毒(HBV)感染导致的肝细胞癌(HCC)占病例总数的45%。尽管免疫检查点抑制剂(ICB)革新了肿瘤治疗格局，但HBV相关HCC患者响应率不足20%——这与其独特的免疫抑制微环境(TME)密切相关。肿瘤相关巨噬细胞(TAMs)的异常极化、T细胞功能耗竭等机制形成"免疫屏障"，但具体分子机制犹如黑箱，严重制约精准治疗策略的开发。

四川大学华西医院肝胆外科的研究团队在《Scientific Reports》发表的研究，通过多组学整合与人工智能算法，首次系统描绘了HBV-HCC免疫微环境的分子图谱。研究人员收集TCGA-LIHC、GSE121248等7个队列的1027例样本，结合ImmPort免疫基因库筛选出53个关键基因。采用留一交叉验证(LOOCV)框架比较101种机器学习模型，最终确立随机生存森林(RSF)联合逐步Cox回归的优化算法，构建出包含SPP1、GHR等14个基因的免疫风险指数。单细胞解析发现SPP1在血管型TAMs(angio-TAMs)特异性高表达，通过CellChat分析揭示其与肿瘤细胞通过SPP1-CD44/ApoA-ABCA1信号轴互作。基于DSigDB数据库筛选的甲氟喹(mefloquine)等老药新用方案，经分子 docking验证具有纳摩尔级结合力(-8.5 kcal/mol)。

关键技术包括：①整合TCGA和6个GEO数据集进行差异表达分析；②应用C-index评估101种机器学习模型预后价值；③单细胞测序解析17,489个细胞的转录图谱；④CIBERSORT算法量化22种免疫细胞浸润；⑤AutoDockTools进行分子对接验证。

免疫相关基因的鉴定与功能解析
通过limma包分析发现TCGA-LIHC有3,637个差异基因(DEGs)，GSE121248有683个DEGs，与ImmPort数据库交集获得53个免疫相关基因(IRGs)。GO/KEGG显示这些基因富集于细胞因子-受体相互作用(adj.P<0.001)，PPI网络鉴定SPP1、IL6等核心节点。

预后模型的构建与验证
RSF算法确定SPP1为最重要变量(IncNodePurity=8.3)，模型在TCGA训练集的5年AUC达0.81。高风险组M2型巨噬细胞浸润增加3.2倍(p=0.002)，而CD8⁺T细胞减少42%。

单细胞层面揭示免疫抑制机制
从GSE202642数据集解析出9种细胞类型，肿瘤组织免疫评分降低31%(p=0.004)。SPP1⁺angio-TAMs在肿瘤中占比达18.7%(正常组织仅5.1%)，其与上皮细胞互作强度升高6.8倍。

治疗靶点与药物预测
HPA数据库显示SPP1在HCC组织过表达(5.1倍)，DSigDB筛选的槲皮素与SPP1结合能达-7.3 kcal/mol。甲氟喹可同时靶向GHR(PID=1A22)和ESR1(1A52)，具有双重调节潜力。

这项研究创新性地建立HBV-HCC免疫预后评估体系，首次阐明SPP1⁺angio-TAMs通过"代谢-免疫"双途径促进肿瘤进展的机制。发现的甲氟喹等老药新用策略，相较于全新药物开发可缩短临床转化周期3-5年。该成果为破解HBV-HCC免疫治疗耐药困境提供理论依据，SPP1-CD44信号轴有望成为联合免疫治疗的新靶点。