糖酵解相关基因特征揭示卵巢癌分子景观的代谢重编程与预后新见解

本研究针对卵巢癌(OC)晚期诊断难、治疗选择有限的核心问题，通过整合TCGA、GTEx和GEO多组学数据，系统分析了457个差异表达的糖酵解相关基因(GRGs)，鉴定出30个关键预后基因并构建了包含LMCD1/L1CAM等10个基因的预后模型。研究首次将OC分为3种糖酵解分子亚型，发现C亚型通过激活TGF-β/WNT等通路导致最差预后，同时揭示高风险组免疫微环境中M1巨噬细胞显著减少的代谢-免疫互作机制，为OC精准治疗提供了新型生物标志物和靶向策略。

　　

卵巢癌作为致死率最高的妇科恶性肿瘤，约70%患者确诊时已进展至晚期，五年生存率不足45%。这种"沉默杀手"的难治性背后，隐藏着被称为"Warburg效应"的代谢谜题——即便在氧气充足条件下，癌细胞仍疯狂进行糖酵解代谢。这种异常代谢如何驱动肿瘤进展？能否成为破解卵巢癌治疗困境的新钥匙？中国医学科学院北京协和医学院输血研究所的研究团队在《Scientific Reports》发表的重要研究，通过多组学联合分析揭开了糖酵解相关基因(GRGs)调控卵巢癌恶性进展的分子地图。

研究团队运用生物信息学与实验验证相结合的策略：从TCGA、GTEx和GEO数据库获取1,104例样本的转录组与临床数据；通过LASSO-Cox回归从457个差异表达GRGs中筛选预后基因；采用共识聚类鉴定分子亚型；结合CIBERSORT和ESTIMATE算法解析免疫微环境；利用TISCH数据库进行单细胞转录组验证；最后通过qRT-PCR在IOSE-80和OVCAR-3细胞系实验确认关键基因表达。

Characterizing GRGs in OC progression dynamics
研究发现457个GRGs在卵巢癌中异常表达，其中30个与预后显著相关。CNV分析显示MECOM、KLF2等基因拷贝数增加，而HSPB7、RUNX3等存在缺失，这些变异集中在6、12号染色体增益和1、20号染色体缺失区域。

Molecular and immune landscape characterization
基于30个关键GRGs的表达谱，卵巢癌被分为A、B、C三种亚型。C亚型患者预后最差（P<0.001），其特征是GFPT2、L1CAM等高表达，并显著富集于TGF-β、WNT等促癌通路。免疫分析显示B亚型免疫浸润最低，而C亚型虽具有类似A亚型的免疫细胞组成，但M1巨噬细胞比例显著降低。

A prognostic model was constructed for OC based on GRGs
通过机器学习构建的10基因预后模型（含LMCD1、L1CAM、MYCN等）在训练集（AUC 0.685）和验证集（GSE53963 P=0.014）均显示优异预测性能。高风险组患者中，L1CAM表达升高3.2倍而GALT下降2.1倍，这些变化与EMT和干扰素通路激活密切相关。

Association analysis of GRGs revealed immune heterogeneity
单细胞解析发现L1CAM在恶性细胞特异性高表达，RPL18则在所有11种TME细胞中普遍上调。值得注意的是，M1巨噬细胞比例与风险评分呈显著负相关（R=-0.29，P=1.7×10^-6），这可能是C亚型免疫逃逸的关键机制。

这项研究不仅建立了首个基于GRGs的卵巢癌预后预测系统，更揭示了代谢重编程与免疫微环境互作的新机制。特别值得注意的是，LMCD1和IDO1被证实同时调控糖酵解和EMT进程，这为开发"代谢-免疫"双靶点疗法提供了理论依据。研究人员指出，针对高风险亚型中异常激活的GFPT2/HIF1α轴，或可联合PD-1抑制剂逆转免疫抑制微环境。尽管仍需大规模临床验证，但该研究为突破卵巢癌治疗瓶颈提供了创新的代谢视角和精准医疗策略。