基于机器学习与实验验证的铁死亡相关基因作为索拉非尼耐药肝细胞癌诊断标志物与治疗靶点的研究

本研究通过机器学习算法筛选出ECH1、SLC25A28和ULK1三个铁死亡（Ferroptosis）相关枢纽基因，构建了能够精准预测索拉非尼（Sorafenib）耐药性的诊断模型（AUC经ROC曲线验证）。实验验证表明敲低ULK1可显著增强索拉非尼诱导的铁死亡，逆转肝癌耐药性，为克服肝细胞癌（HCC）靶向治疗耐药提供了新策略。

　　

Highlight

通过机器学习鉴定ECH1、SLC25A28和ULK1作为索拉非尼耐药的关键调控基因

铁死亡相关特征基因模型可精准诊断索拉非尼耐药性（AUC>0.85）

耐药相关基因显著影响肿瘤免疫微环境浸润模式

ULK1基因敲低显著增强索拉非尼诱导的铁死亡并逆转耐药性

Introduction

肝癌作为临床最常见恶性肿瘤之一，2018年全球年死亡人数约78.2万，居癌症相关死因第四位，其中肝细胞癌（HCC）占75-85%[1,2]。中国承担全球超过50%的HCC发病负担[3,4]。尽管诊疗技术不断进步，HCC患者5年生存率仍不理想，主要源于晚期确诊比例高及合并肝功能损伤导致的化疗耐受[5,6]。

索拉非尼作为一种口服多激酶抑制剂，被推荐为晚期肝癌一线治疗方案[7-9]。其通过靶向血管内皮生长因子受体（VEGFR）、血小板衍生生长因子受体（PDGFR）等酪氨酸激酶抑制肿瘤血管生成，同时抑制Raf-1、B-Raf、C-Raf等Ras/Raf/MEK/ERK通路激酶阻断肿瘤增殖[10-12]。但长期用药会导致耐药性产生，显著降低临床疗效[13-15]。

铁死亡（Ferroptosis）是一种区别于凋亡、坏死和自噬的新型程序性细胞死亡方式[16-18]，以铁依赖性脂质过氧化物累积为特征[19,20]。谷胱甘肽过氧化物酶4（GPX4）是其核心调控蛋白，GPX4抑制会导致脂质氢过氧化物积累并诱发铁死亡[16,17,21,22]。研究表明铁死亡不仅可抑制肿瘤进展，还能增强化疗、靶向治疗及免疫治疗效果[19,23-25]。例如金属硫蛋白-1G（MT-1G）敲低可通过提升HCC细胞脂质过氧化物水平促进铁死亡，从而克服索拉非尼耐药[26]。

多项研究证实索拉非尼可触发HCC细胞铁死亡[27]，而铁死亡又在索拉非尼耐药机制中扮演关键角色[28,29]。然而二者间的复杂互作机制尚未明确，阻碍了有效治疗策略的开发。本研究通过GSE109211数据集筛选索拉非尼耐药相关的差异表达铁死亡基因，发现这些基因可将耐药患者分为具有不同药物敏感性、免疫细胞浸润及治疗反应特征的亚型。通过机器学习算法最终鉴定出三个枢纽基因（ECH1、SLC25A28和ULK1），并构建出具有卓越诊断效力的铁死亡相关特征模型。免疫浸润分析（CIBERSORT）揭示这些基因显著影响耐药患者的免疫细胞浸润模式。实验验证进一步证实这三个基因在耐药细胞中显著上调，且索拉非尼处理可改变其表达谱。尤为重要的是，ULK1敲低可显著增强索拉非尼诱导的铁死亡，从而逆转耐药性。

Discussion

索拉非尼作为晚期HCC一线治疗药物已显著改变临床实践[8,33]，但获得性耐药导致的治疗失败仍是重大临床挑战[13,15]。铁死亡与索拉非尼耐药间的复杂多因素关系仍需深入探索。理解其中分子机制对开发新型联合治疗策略至关重要。