多组学机器学习构建肺腺癌预后模型并揭示PTGES3作为精准肿瘤治疗新靶点

本研究发现基于28个预后相关基因构建的LS评分模型可有效预测肺腺癌（LUAD）患者预后，并通过多组学分析鉴定PTGES3（前列腺素E合成酶3）作为关键治疗靶点。研究结合机器学习算法（RSF）、单细胞测序（scRNA-seq）和体内外实验验证，证实PTGES3通过调控细胞周期和凋亡促进肿瘤进展，其转录调控因子ZBTB7A及上游突变基因CSMD3/KEAP1共同构成重要信号网络，为LUAD精准治疗提供新策略。

　　

背景

肺腺癌（Lung Adenocarcinoma, LUAD）作为最常见的肺癌亚型，晚期患者五年生存率低于20%。本研究旨在通过整合多组学数据与机器学习算法构建预后模型，并探索关键靶点PTGES3在LUAD进展中的机制与治疗潜力。

材料与方法

研究整合TCGA和GEO数据库的RNA-seq数据，采用Cox回归和10种机器学习算法（包括Lasso、随机生存森林RSF等）筛选预后相关基因。通过单细胞数据集（GSE117570等）分析PTGES3在肿瘤进展中的作用，利用SCENIC和ATAC-seq解析其转录调控机制。采用组织芯片免疫组化（IHC）评估PTGES3蛋白表达，并通过慢病毒敲减（shRNA）在肺癌细胞系（H1299/A549）中进行功能实验（CCK-8、克隆形成、流式细胞术、Western blot）。双荧光素酶报告实验验证ZBTB7A对PTGES3的转录调控，裸鼠移植瘤模型评估体内肿瘤生长。

结果

1. 1.
   预后模型构建：
   通过差异表达分析和机器学习筛选出28个关键基因，建立LS评分模型。RSF算法表现最佳（训练集AUC>0.9），将患者分为高/低评分组，高评分组预后显著较差（p<0.05），且与临床分期进展正相关。
2. 2.
   关键基因功能解析：
   SHAP分析显示KRT6A、PERP、SEC61G、PTTG1和PTGES3为最具影响力基因。DepMap数据库证实这些基因的敲除抑制细胞活力。PTGES3在低表达时呈保护效应，但高表达时促进肿瘤进展，且表达水平随肿瘤分期升高。
3. 3.
   临床与分子特征：
   高评分组患者突变负荷（TMB）更高，TP53、TTN、MUC16突变富集。表型分析显示该组细胞干性（mDNAsi/mRNAsi）增强，且 angiogenesis、EMT、细胞周期等通路激活。药物敏感性提示高评分组对多西他赛、拉帕替尼可能敏感。
4. 4.
   PTGES3机制探索：
   • •
     单细胞分析显示PTGES3高表达于肿瘤细胞和巨噬细胞，与细胞成熟度正相关，富集于细胞周期和内质网应激通路。
   • •
     细胞互作分析（CellChat）发现PTGES3高表达组中VEGFA-VEGFR、SPP1-CD44等促癌信号增强，促进血管生成和转移。
   • •
     SCENIC和ATAC-seq鉴定ZBTB7A为PTGES3上游转录抑制因子，双荧光素酶实验证实其直接结合PTGES3启动子（p<0.05）。
   • •
     突变分析显示CSMD3和KEAP1突变通过影响ZBTB7A-PTGES3轴调控细胞周期和代谢。
5. 5.
   实验验证：
   • •
     IHC证实PTGES3在LUAD组织中高表达（p<0.05）。
   • •
     敲减PTGES3抑制细胞增殖（CCK-8/克隆形成）、诱导G1/S期阻滞（流式细胞术）和凋亡（Bax/Bcl-2蛋白变化）。
   • •
     体内实验显示敲减组肿瘤体积/重量显著降低（p<0.05），IHC证实Ki67、CDK4下调而Bax、GPX4上调。
   • •
     RNA-seq提示PTGES3敲减富集铁死亡和细胞周期通路，且与巨噬细胞互作（LGALS9-P4HB-CD44网络）影响免疫微环境。

讨论

LS评分模型整合多组学数据与机器学习，为LUAD预后分层提供新工具。PTGES3作为核心靶点，通过ZBTB7A转录调控和CSMD3/KEAP1突变网络影响细胞周期与凋亡，其与免疫微环境的互作（如LGALS9-P4HB-CD44）为联合治疗提供方向。研究局限性包括回顾性数据为主，需前瞻性临床试验验证模型临床效用。

结论

PTGES3是LUAD潜在治疗靶点，LS评分可指导预后分层和个体化治疗策略。未来需深入探索PTGES3调控机制及其在免疫微环境中的作用，推动精准肿瘤治疗发展。