CTSS介导的肿瘤微环境免疫逃逸机制为肾透明细胞癌精准免疫治疗提供新靶点

本研究针对肾透明细胞癌(KIRC)免疫逃逸(IE)机制不明和免疫治疗响应异质性等临床难题，通过单细胞RNA测序(scRNA-seq)和高维加权基因共表达网络分析(hdWGCNA)鉴定出关键免疫逃逸相关基因模块，并运用机器学习算法确定组织蛋白酶S(CTSS)作为核心抑癌因子。研究发现CTSS高表达与患者生存期延长显著相关，其通过调控B/T细胞活化等免疫通路增强抗肿瘤免疫，并与5q35.3区段突变特征和8种靶向药物敏感性相关。该研究为KIRC免疫治疗提供了新型生物标志物和联合治疗策略。

　　

肾透明细胞癌(Kidney renal clear cell carcinoma, KIRC)作为肾癌中最具侵袭性的亚型，其肿瘤微环境(Tumor microenvironment, TME)以高度免疫抑制为特征。尽管免疫检查点阻断(Immune checkpoint blockade, ICB)疗法取得进展，但患者响应率仍不足50%，这主要源于肿瘤细胞复杂的免疫逃逸(Immune escape, IE)机制。更棘手的是，目前缺乏可靠的生物标志物来预测哪些患者可能从免疫治疗中获益。组织蛋白酶S(Cathepsin S, CTSS)作为溶酶体蛋白酶在抗原呈递中起关键作用，但其在KIRC中的功能存在争议——既有研究显示其在滤泡性淋巴瘤中促进肿瘤进展，却在黑色素瘤中表现出抑制转移的作用。这种"双面性"使得CTSS成为解开KIRC免疫逃逸谜团的重要线索。

浙江大学医学院附属金华医院的研究团队在《Discover Oncology》发表的重要研究，通过整合多组学分析和机器学习算法，系统揭示了CTSS在KIRC中的抑癌作用及其免疫调控机制。研究人员首先利用GSE171306单细胞数据集解析KIRC肿瘤微环境组成，发现免疫细胞、恶性细胞和基质细胞的三方互作格局。通过hdWGCNA算法从恶性细胞中鉴定出与免疫逃逸特征最相关的基因模块（绿色模块，r=0.67）。采用PAM聚类将531例TCGA-KIRC样本分为两种免疫逃逸模式，其中模式1患者生存期显著延长。通过交叉分析恶性基因、模式差异基因和模块基因，筛选出9个候选基因，并运用LASSO、随机生存森林和CoxBoost三种机器学习算法进行降维，最终锁定CTSS为核心生物标志物。这一发现在GSE29609和E-MTAB-1980两个独立队列中得到验证。

关键技术方法包括：从GSE171306获取KIRC单细胞数据，使用Seurat进行质控和UMAP降维；通过hdWGCNA构建基因共表达网络；采用PAM算法进行免疫逃逸模式聚类；整合TCGA、GSE29609和E-MTAB-1980多中心数据；运用三种机器学习算法进行特征选择；利用oncoPredict预测药物敏感性；通过TIMER、MCPcounter等七种算法评估免疫浸润特征。

3.1 Identification of the IE-related gene module

研究首先通过单细胞转录组解析KIRC微环境组成，发现除三大主要细胞群外，还存在内皮细胞、成纤维细胞、肥大细胞等次要群体。hdWGCNA分析显示绿色模块与免疫逃逸特征相关性最强(r=0.67)，提示该模块基因可能参与免疫调控。

3.2 Development of IE patterns

通过PAM聚类将样本分为两种免疫逃逸模式，PCA分析显示两组明显分离。生存分析证实模式1患者预后显著优于模式2，这为后续靶标筛选提供了临床关联性框架。

3.3 Identification of CTSS as a critical tumor suppressor

三种机器学习算法一致鉴定CTSS为最优预后标志物。生存分析显示，CTSS高表达组在TCGA(HR=0.41)、GSE29609(HR=0.32)和E-MTAB-1980(HR=0.29)队列中均显示显著生存优势，证实其跨平台的稳健性。

3.4 Functional annotation of CTSS

功能富集显示CTSS与B细胞活化、T细胞毒性、NK细胞功能等免疫通路正相关，Metascape分析进一步证实其参与免疫活动和炎症反应调控，提示CTSS可能通过增强抗肿瘤免疫发挥保护作用。

3.5 Mutation characteristics and drug prediction of CTSS

突变图谱分析发现CTSS高表达肿瘤中5q35.3区域富集特异性突变，而低表达组在6q21.1突变增多。药物预测揭示Navitoclax、Ibrutinib等8种药物对CTSS高表达肿瘤更有效，为联合治疗提供线索。

3.6 Immune features of CTSS

免疫循环分析显示CTSS高表达组多数免疫步骤活化。相关性分析证实CTSS与CD8⁺T细胞、M1巨噬细胞等抗肿瘤免疫细胞浸润正相关，而与PD-1、CTLA-4等免疫检查点分子负相关，表明其可能塑造"热肿瘤"微环境。

3.7 Immunotherapy prediction of CTSS

基于9个免疫治疗标志物(CYT、IFNγIS等)的分析显示CTSS高表达组免疫活性显著增强。在9个免疫治疗队列中，CTSS预测响应的AUC>0.6，证实其作为免疫治疗生物标志物的潜力。

这项研究的重要意义在于：首先，通过多组学整合和机器学习交叉验证，确立了CTSS作为KIRC新型抑癌基因的地位，解决了其在癌症中功能争议的问题；其次，揭示了CTSS通过调控抗原呈递和免疫细胞活化塑造"热肿瘤"微环境的机制，为理解免疫逃逸提供了新视角；第三，发现5q35.3区域突变与CTSS表达的关联，暗示了潜在的基因组调控网络；最后，鉴定出8种对CTSS高表达肿瘤有效的靶向药物，并证实CTSS可作为免疫治疗响应的预测标志物，为临床实践提供了双重指导。这些发现不仅推进了对KIRC免疫逃逸机制的认识，更重要的是为精准免疫治疗提供了新的生物标志物和联合治疗策略，具有重要的转化医学价值。