铁死亡转录程序异质性：子宫内膜异位症相关卵巢癌的多队列转录组解析

《Biomedicines》：Cannabinoids in Psoriasis: From Cutaneous Endocannabinoid Biology to Emerging Clinical Evidence

　　

背景：子宫内膜异位症相关卵巢癌（endometriosis-associated ovarian cancer，EAOC），主要包含在子宫内膜异位症背景下发生的卵巢透明细胞癌（ovarian clear cell carcinoma，OCCC）和卵巢子宫内膜样癌（ovarian endometrioid carcinoma，OEC），表现出显著的分子异质性。然而，铁死亡相关转录特征在EAOC相关病理状态中的组织方式仍不明确。本研究旨在表征这些病理状态中铁死亡相关转录程序的异质性。方法：研究人员建立了一个横断面多队列转录组框架，包括一个发现队列和三个独立支持队列。在GSE157153中，采用全局评分、基因水平筛选、基于状态模式的聚类、功能与通路分析以及基于网络的优先级排序，评估了1809个可检测的FerrDb来源铁死亡相关基因。探索性机器学习分析、独立转录组队列和人类蛋白质图谱（Human Protein Atlas，HPA）免疫组化用于补充表征和支持性评估。结果：全局铁死亡相关转录评分在各病理状态间仅显示适度变化，而929个状态相关候选基因被组织为四个具有不同表达模式和独特功能背景的转录程序。这些程序与铁死亡相关代谢、氧化还原和信号通路显示出差异关联，表明存在异质性转录重塑而非统一分子转变。网络分析优先排序了七个候选枢纽基因——CDK1、ERBB2、KRAS、PIK3CA、PTEN、JAK2和SRC——分布于多个程序中。探索性机器学习分析和外部支持性评估为选定候选基因提供了异质性、背景依赖的证据。结论：跨EAOC相关病理状态的铁死亡相关转录改变更适合用异质性程序级架构来代表，而非单一全局度量。这些发现为未来的机制研究提供了转录组框架，但并未建立铁死亡特异性功能活性。

子宫内膜异位症是一种慢性妇科疾病，约10%的育龄期女性受累。尽管通常被视为良性病变，但子宫内膜异位症与特定卵巢癌组织学亚型风险增加相关，尤其是卵巢透明细胞癌（ovarian clear cell carcinoma，OCCC）和卵巢子宫内膜样癌（ovarian endometrioid carcinoma，OEC），二者构成了子宫内膜异位症相关卵巢癌（endometriosis-associated ovarian cancer，EAOC）的主要组织学亚型。EAOC表现出显著的分子和临床异质性，但其异质性背后的生物学过程仍未完全阐明。铁死亡（ferroptosis）是一种由铁依赖性脂质过氧化驱动的调节性细胞死亡，受铁稳态、抗氧化防御和细胞氧化还原平衡的相互作用调控，并已越来越多地涉及癌症生物学与治疗反应。在子宫内膜异位症–EAOC背景下，反复出血、铁积聚和持续氧化应激可能为铁死亡相关分子调控的改变提供有利环境。然而，铁死亡相关转录改变在EAOC相关病理状态中是以统一分子转变还是以异质性转录程序组织，此前仍不清楚。基于此，研究人员建立了一个横断面多队列转录组框架，旨在表征这些病理状态中铁死亡相关转录模式的异质性，并通过网络优先排序筛选候选分子特征。

研究人员的主要研究内容与结论是：铁死亡相关转录变异并非由单一全局转录度量充分代表，而是由多个状态相关转录程序构成，这些程序嵌入涉及氧化还原调控、细胞代谢、线粒体过程、铁稳态和信号网络的更广泛生物学背景中；网络分析优先出七个候选枢纽基因，且外部支持评估显示这些特征具有背景依赖性。该研究为未来机制研究提供了程序级转录组框架，同时明确未建立铁死亡特异性功能活性。

关键的技术方法包括：以GSE157153为发现队列，GSE230956、GSE141549和GSE73614为独立支持队列，并结合人类蛋白质图谱（Human Protein Atlas，HPA）免疫组化。采用FerrDb来源铁死亡相关基因集构建特征空间，通过全局评分、基因水平筛选、k-means聚类、GO/KEGG富集、单样本基因集富集分析（single-sample gene set enrichment analysis，ssGSEA）、STRING蛋白质-蛋白质相互作用（protein-protein interaction，PPI）网络及CytoHubba算法优先候选枢纽基因，并运用LASSO逻辑回归、随机森林和支持向量机–递归特征消除（support vector machine–recursive feature elimination，SVM-RFE）进行探索性机器学习表征。

研究结果分述如下。3.1 多队列转录组框架与铁死亡相关基因景观的建立：研究纳入一个发现队列和三个支持队列，FerrDb来源基因集共包含2078个独特铁死亡相关基因，其中1809个在GSE157153中可检测，覆盖率为87.05%，质量评估未发现主要样本异常。3.2 EAOC相关病理状态中的铁死亡相关转录模式：3.2.1中，全局铁死亡相关转录评分（Ferroptosis-Related Transcriptional Score，FTS）在四状态间仅有适度变化，组间差异不显著，但与预设分析状态顺序呈弱正相关（Spearman ρ=0.270），且状态间分布重叠明显；3.2.2通过基因水平筛选鉴定出929个状态相关候选基因；3.2.3的k-means聚类将候选基因分为四个转录程序，其中Cluster 1呈整体上升模式，Cluster 2在EAOC端高表达，Cluster 3在EAOC端低表达，Cluster 4呈非单调模式；3.2.4模块评分显示四个程序在状态间分布差异显著，Cluster 1和2与顺序正相关，Cluster 3和4负相关，且呈非单调变化。3.3 功能富集揭示生物学背景：3.3.1中，候选基因富集于细胞死亡调控、应激反应、缺氧和癌症相关信号通路；3.3.2中各程序功能组成不同，涉及凋亡、线粒体过程、氧化应激、谷胱甘肽代谢、铁死亡、MAPK/PI3K-AKT信号及铁稳态等。3.4 铁死亡相关通路富集模式：ssGSEA显示多数代谢和信号通路在EAOC端相对富集，MAPK信号呈反向模式，除缺氧外其余通路在状态间均显著不同。3.5 网络优先排序鉴定候选枢纽基因：PPI网络由914个节点和4131条边构成，富集显著；MCC、Degree、EPC三种算法交集获得七个共识候选枢纽基因——CDK1、ERBB2、JAK2、KRAS、PIK3CA、PTEN、SRC，它们分布于不同转录程序且各基因在状态间差异显著。3.6 探索性机器学习与枢纽基因面板评分：3.6.1中，LASSO保留五个基因，随机森林显示CDK1和ERBB2特征贡献最高，SVM-RFE在二、三、六特征子集达到最高平均准确率约0.920；3.6.2显示七个基因表达模式具有样本间异质性；3.6.3中，枢纽基因面板评分（hub gene panel score，HPS）在状态间差异显著但呈非单调变化（均值：子宫内膜异位症0.082，非典型–0.263，邻近0.017，EAOC 0.132）；3.6.4中HPS区分EAOC与非EAOC的受试者工作特征曲线下面积（area under the ROC curve，AUC）为0.691（95%CI 0.561–0.820）；3.6.5中HPS与PI3K–AKT–mTOR信号和氧化磷酸化呈正相关，与MAPK信号呈负相关，而四个转录程序与通路有更广泛且部分相反的关联。3.7 外部支持评估与蛋白质水平证据：3.7.1在GSE230956中，JAK2和PIK3CA在OCCC中表达倾向较高，ERBB2和SRC较低，但多重校正后均不显著，HPS无显著差异；3.7.2在GSE141549中，JAK2和PIK3CA在子宫内膜异位相关组织与对照内膜间差异显著，六基因HPS显著不同；3.7.3在GSE73614中，CDK1、ERBB2、KRAS、SRC在OCCC与OEC间差异显著（FDR<0.05），但七基因HPS无显著差异；3.7.4 HPA免疫组化显示候选蛋白在卵巢子宫内膜样癌组织中可检测，染色模式异质，但无法进行状态间的定量比较。3.8 整合框架：研究将上述结果整合为异质性铁死亡相关转录重塑的多维架构，强调横断面分子异质性，而非时间进展或因果关系。

讨论部分指出，全局评分分辨率有限，而基因、程序、通路水平存在显著异质性；929个候选基因以四个转录程序组织，表明铁死亡相关转录变异不是单一轴。七个候选枢纽基因是网络优先特征而非验证的功能调节因子或生物标志物，且外部支持证据显示其具有背景依赖性。研究局限性包括基于回顾性转录组数据、队列间平台和病理背景异质、外部支持队列样本量有限、组织水平分析无法确定细胞来源，以及FTS、模块评分、HPS和ssGSEA通路评分均为转录组相对度量，不能直接反映铁死亡活性或代谢通量。

研究结论部分翻译如下：总之，本研究利用横断面多队列框架描绘了EAOC相关病理状态中的铁死亡相关转录异质性。铁死亡相关分子变异并非由单一全局转录度量或统一方向性转变充分代表，而是组织为多个状态相关转录程序，嵌入涉及氧化还原调控、细胞代谢、线粒体过程、铁稳态和信号网络的更广泛背景中。研究进一步识别了七个网络优先候选枢纽基因——CDK1、ERBB2、JAK2、KRAS、PIK3CA、PTEN和SRC，外部分析为选定分子特征提供了背景依赖的支持证据。总体而言，这些发现为解释EAOC相关组织中的铁死亡相关分子异质性提供了程序级转录组框架，并为未来的机制、细胞分辨和转化研究奠定了基础。