SPP1相关病理组学特征构建胰腺导管腺癌预后模型并揭示其免疫微环境关联

《Frontiers in Oncology》：SPP1-associated pathomics features for prognostic modeling in pancreatic ductal adenocarcinoma

　　

背景：胰腺导管腺癌（PDAC）是一种高度致死性恶性肿瘤，以免疫抑制性肿瘤微环境（TME）为特征。方法：本研究通过整合公共转录组数据集、单细胞资源和基于组织的评估，探讨SPP1在PDAC中的预后和免疫相关性。进一步，利用全切片成像的高通量病理组学（pathomics）和先进计算分析，研究人员开发并内部验证了一个纳入两个病理组学特征（Zernike_2_2、Hematoxylin_4of4）及年龄的预后模型。结果：与正常组织相比，SPP1在PDAC整体中表达上调，而在三级淋巴结构（TLS）富集区域中其表达低于邻近正常组织。多维分析显示SPP1表达与巨噬细胞浸润估计相关。此外，低SPP1表达与PDAC患者良好预后相关。基于病理组学的预后模型表现出良好的区分性能（bootstrap校正C-index = 0.715；校正12个月AUC = 0.766；表观AUC = 0.866），并在高、低风险组间显示显著生存分层（log-rank P < 0.0001）。结论：这些发现提示，由病理组学捕获的SPP1相关组织构筑模式可能提供预后信息，SPP1代表PDAC潜在的免疫调节因子和候选预后生物标志物。

研究背景：胰腺导管腺癌（PDAC，pancreatic ductal adenocarcinoma）仍是全球致死率最高的恶性肿瘤之一，5年生存率低于12%，远处转移者预后尤其差。其不良结局主要与诊断晚、侵袭转移强及肿瘤微环境（TME，tumor microenvironment）高度免疫抑制和患者间异质性有关，现有化疗和免疫治疗获益受限，因此需要可靠的预后分层生物标志物和工具。分泌型磷蛋白1（SPP1，亦称骨桥蛋白）是一种多功能分泌糖蛋白，在多种肿瘤中作为候选预后标志物；在PDAC中，SPP1在肿瘤组织较正常胰腺上调，并与肿瘤进展和不良临床结局相关。既有研究提示SPP1参与肿瘤内在过程及肿瘤外在免疫调节，SPP1⁺肿瘤相关巨噬细胞与免疫抑制和治疗抵抗相关，且SPP1被鉴定为PDAC中与三级淋巴结构（TLS，tertiary lymphoid structures）相关的预后基因。计算病理学和病理组学可从常规全切片图像提取定量形态学特征，但现有模型多依赖黑箱深度学习，可解释性不足，SPP1与可量化病理组学特征之间的联系尚少被纳入可解释预后框架。因此，研究人员整合公共转录组和蛋白质组数据、单细胞资源及组织学评估，刻画SPP1表达与免疫关联，并构建整合SPP1相关病理组学特征与临床协变量的可解释预后模型。

关键技术方法：研究使用商业组织微阵列（HPanA120Su02），纳入2009年1月至2013年8月接受根治性切除、病理确诊PDAC且有完整随访者，随访至2014年11月，63例可评估。公共数据包括TCGA、GTEx、GEO队列GSE15471、GSE62165、GSE28735、GSE62452、GSE226840、GSE85916，CPTAC蛋白数据经HPA获取；单细胞分析用TISCH2、scCancerExplorer及CRA001160，免疫浸润用TIMER 2.0。技术包括免疫组织化学（IHC，immunohistochemistry）与全切片数字扫描，CellProfiler提取361个手工定量病理组学特征，最小绝对收缩和选择算子（LASSO，least absolute shrinkage and selection operator）、随机森林和决策树集成筛选，Cox比例风险模型，KM、时间依赖受试者工作特征曲线（ROC，receiver operating characteristic curve）、校准曲线、决策曲线分析（DCA，decision curve analysis）、SHAP及1000次bootstrap内部验证。

研究结果：一、SPP1在TLS富集区域下调而在PDAC中上调。通过GSE226840中TLS富集区（n=14）与邻近正常组织（n=5）差异表达分析，按|log₂ fold change|>1且校正P<0.05筛选，获85个差异表达基因（DEGs，differentially expressed genes）（52个上调、33个下调），SPP1属于TLS富集区下调基因。四个独立GEO队列证实PDAC肿瘤SPP1 mRNA一致升高；CPTAC蛋白水平验证；TCGA与GTEx泛癌分析显示多种实体瘤SPP1过表达，PAAD转录上调明显。二、SPP1表达与PDAC患者预后相关。TCGA-PAAD中低SPP1组总生存期（OS，overall survival）和无复发生存期（RFS，recurrence-free survival）优于高表达组（OS HR=2.65，95% CI 1.49–4.71，log-rank P=0.00059；RFS HR=5.13，95% CI 1.70–15.46，log-rank P=0.0014）；GSE85916验证低SPP1与良好预后相关（HR=1.97，95% CI 1.16–3.36，P=0.0124）。IHC组织队列63例按阳性面积比均值分组，低SPP1蛋白组OS更优（HR=2.15，95% CI 1.12–4.11，P=0.0312）。三、SPP1相关病理组学特征筛选用于预后建模。对63例可评估PDAC切片提取361个特征；LASSO 10折交叉验证初筛5个病理组学特征，与性别、年龄、肿瘤体积合并；随机森林和决策树（max_depth=3）排序显示Zernike_2_2、Hematoxylin_4of4、Zernike_1_1和Age被三种算法一致选择；初步四特征Cox模型中Zernike_1_1贡献最弱（Mean |SHAP|=0.054；HR=0.936，P=0.749），剔除后保留Zernike_2_2、Hematoxylin_4of4和Age。四、基于病理组学预后模型的开发与评价。风险评分=(-0.6189)×Zernike_2_2+(-0.6415)×Hematoxylin_4of4+0.0390×Age；按中位风险分高/低风险组（31/32），KM显示显著生存差异（log-rank P<0.0001），一致性指数（C-index，concordance index）=0.738。12个月时间依赖ROC的曲线下面积（AUC，area under the curve）=0.866；校准曲线接近45度参考线（斜率=0.881）；DCA在0–0.6阈值概率显示净获益，0.1–0.5优于“全部治疗”和“不治疗”。SHAP示Zernike_2_2贡献最大（Mean |SHAP|=0.475），其次Hematoxylin_4of4（0.445）和Age（0.322）。Schoenfeld残差检验全局P=0.055，无强烈比例风险（PH，proportional hazards）违背证据但属边缘。1000次bootstrap内部验证偏差校正C-index=0.715（95% CI 0.626–0.801），校正12个月AUC=0.766（95% CI 0.645–0.877）。五、SPP1在髓系细胞中的表达与巨噬细胞浸润。TISCH2单细胞分析显示SPP1在13类主要细胞中表达，髓系免疫细胞尤其巨噬细胞和单核细胞突出；CRA001160再分析显示巨噬细胞和恶性细胞SPP1升高；scCancerExplorer显示SPP1主要见于巨噬细胞和导管细胞。TIMER 2.0整合quanTIseq、CIBERSORT和TIDE的免疫解卷积显示，SPP1表达与M1和M2巨噬细胞浸润估计（quanTIseq、CIBERSORT）正相关，而与TIDE特定M2亚簇负相关；算法依赖性关联提示SPP1可能连接巨噬细胞表型异质性而非固定极化状态。

讨论部分：研究多维整合转录组、蛋白质组、单细胞、IHC和定量病理组学，观察到SPP1在PDAC肿瘤上调而在TLS富集区下调。TLS富集区SPP1下调与TLS-high/TLS-low PDAC关键差异基因结果一致，可能反映局部免疫调节变化；SPP1亦高表达于PDAC微环境巨噬细胞，TLS相关SPP1降低可能部分由TLS微环境内巨噬细胞极化状态介导，但相关性分析不能确定因果，算法依赖差异提示不应过度解释为固定极化。为将该复杂性转化为临床可及框架，研究人员构建基于常规IHC切片手工病理组学特征的可解释模型，相较黑箱深度学习具有特征选择和决策可追溯性，SHAP阐明各预测因子方向性贡献。多算法共识保留三特征并按风险分层。方法学与TRIPOD、PROBAST框架一致，但缺乏外部验证是主要局限；模型使用手工特征而非多实例学习或基础模型，优先考虑可解释性和可追溯性。局限包括单中心回顾性设计、样本量小（n=63）、C-index置信区间宽；未纳入CA19-9等血清标志物和其他临床参数；缺少空间转录组或多重IHC以直接验证SPP1与TLS或巨噬细胞亚群的空间定位；免疫解卷积为相关性且算法依赖。研究结论翻译：总之，研究显示SPP1在PDAC肿瘤中上调而在TLS富集区域下调，并与免疫特征和预后相关；基于这些观察，研究人员通过透明的多算法共识策略整合SPP1相关病理组学特征，构建了将分子特征与组织形态学联系起来的可解释预后框架，使SPP1成为PDAC进一步生物标志物开发的有希望的候选。