《Cancer Informatics》：A DIABLO–Elastic Net Cox Framework Reveals Prognostic Biomarkers and a Plasticity, Guidance, and Invasion Axis Driving Glioblastoma Progression
编辑推荐：
**背景**：胶质母细胞瘤（glioblastoma，GBM）是成人最常见且致死性最高的原发性恶性脑肿瘤，其特征为显著的分子异质性、治疗耐药性以及约15个月的中位总生存期（overall survival，OS）。改进预后生物标志物并深入理解驱动疾病进展的分子
**背景**：胶质母细胞瘤（glioblastoma，GBM）是成人最常见且致死性最高的原发性恶性脑肿瘤，其特征为显著的分子异质性、治疗耐药性以及约15个月的中位总生存期（overall survival，OS）。改进预后生物标志物并深入理解驱动疾病进展的分子机制仍是亟待解决的关键需求。**方法**：研究人员将基于潜在成分的数据整合分析与生物标志物发现（Data Integration Analysis and Biomarker discovery using Latent cOmponents，DIABLO）与弹性网络Cox回归（Elastic Net Cox regression）相结合，构建新型分析框架，并应用于癌症蛋白质组肿瘤分析联盟（Clinical Proteomic Tumor Analysis Consortium，CPTAC）GBM队列的转录组、蛋白质组、磷酸化蛋白质组及miRNA数据。预后性能采用Kaplan–Meier分析、Harrell一致性指数（concordance index，C-index）及时间依赖ROC（receiver operating characteristic）分析进行评估。外部验证在四个独立队列（TCGA GBM、GDC-TCGA GBM、CGGA-693及CGGA-325）中进行，随后与已发表的预后特征进行基准比较。**结果**：多组学整合揭示了一条协调的可塑性、导向与侵袭轴，构成GBM进展的基础。该模型识别出一个包含CHI3L1、DRAXIN、HOXC9、EPHB2、SPP1和ADAMTS4的六基因预后特征。在发现队列中，该特征可显著按生存对患者进行分层（p = 0.0013），C-index达0.758，并展现出较强的预测性能（1–3年AUC分别为0.838、0.838和0.750）。该特征在全部四个验证队列中均保留预后价值，在校正临床协变量后仍为总生存的独立预测因子，且与已发表的GBM预后模型相比展现出有竞争力的性能。决策曲线分析（decision curve analysis，DCA）进一步支持其潜在临床效用。**结论**：所提出的框架将多组学生物标志物发现与GBM进展的机制表征相结合，识别出一个可重复的预后特征，对患者风险分层和临床管理具有潜在应用价值。
**研究背景与科学问题**
胶质母细胞瘤（glioblastoma，GBM）是成人弥漫性胶质瘤中最具侵袭性和临床破坏性的类型，约占全部中枢神经系统（central nervous system，CNS）肿瘤的14.5%、恶性CNS肿瘤的近48.6%。尽管采用最大安全范围手术切除联合放疗及替莫唑胺化疗的多模式治疗，疾病进展几乎不可避免，中位总生存期（overall survival，OS）很少超过15至20个月。GBM治疗持续失败主要归因于两大挑战：一是深刻的瘤内与瘤间分子异质性，驱动克隆演化和治疗耐药；二是血脑屏障（blood–brain barrier，BBB）的特殊内皮结构限制了抗肿瘤药物向脑实质的有效渗透，且肿瘤相关血管异常对BBB完整性的破坏呈空间异质性，不足以确保均匀的药物递送。此外，基于大体组织（bulk）组学的方法虽被越来越多用于GBM生物标志物发现和分子分型，但常难以充分解析肿瘤异质性，可能掩盖关键分子差异和亚型特异性信号。鉴于GBM预后差、生物学侵袭性强，亟需更精细的预后与治疗分层策略；而人工智能与机器学习已被证明不仅有助于阐明癌症等复杂疾病的分子发病机制，也有助于识别临床相关生物标志物和潜在治疗靶点。基于此，研究人员利用CPTAC公开的GBM多组学数据，按总生存将患者分为长期生存组（Long-OS）与短期生存组（Short-OS），在miRNA、RNA测序、蛋白质组和磷酸化蛋白质组多个分子层开展整合分析，以期识别与疾病进展相关的分子特征，并构建、验证可重复的预后特征。
**关键技术方法概述**
研究人员整合了基于潜在成分的数据整合分析与生物标志物发现（Data Integration Analysis and Biomarker discovery using Latent cOmponents，DIABLO，亦称多块稀疏偏最小二乘判别分析）框架与弹性网络Cox（Elastic Net Cox）回归分析。样本队列来源包括：CPTAC GBM训练队列（源队列99例，经质量控制与多组学协调后保留46例具有完整匹配转录组、蛋白质组、磷酸化蛋白质组、miRNA及生存数据的样本）；外部验证采用TCGA GBM（纳入166例）、GDC TCGA GBM（纳入169例）、CGGA-693（纳入237例）和CGGA-325（纳入137例）四个独立队列；另用TCGA GBM中匹配mRNA、miRNA和生存数据的198例患者开展跨组学验证。主要技术环节包括：DIABLO多组学整合与特征筛选（5折交叉验证重复50次调参，以平衡错误率最低确定最佳成分数）；基于WebGestalt的KEGG（Kyoto Encyclopedia of Genes and Genomes）联合通路富集、基于MiEAA的miRNA过表征分析（over-representation analysis，ORA）及基于KEA的激酶富集分析；以α = 0.5、10折交叉验证的Elastic Net Cox模型估计特征系数并构建预后模型；采用固定系数、不重新拟合的方式在验证队列中计算风险评分，并行Kaplan–Meier分析、时间依赖ROC曲线、Harrell一致性指数（concordance index，C-index）评估，以及单因素/多因素Cox回归、似然比检验、基准比较和决策曲线分析（decision curve analysis，DCA）。
**研究结果**
**患者队列与多组学数据处理**：经质量控制和多组学协调后，46例具有完整转录组、miRNA、蛋白质组和磷酸化蛋白质组谱的匹配GBM样本被保留用于下游整合分析。模型调优显示三成分的多块稀疏偏最小二乘判别分析模型性能最佳，表现为交叉验证平衡错误率最低。模型拟合后，各组学层对应潜在成分之间呈强相关（r = 0.87–0.98），支持整合模型的稳健性。DIABLO载荷权重识别出区分生存组的主要分子驱动特征，涵盖转录组、蛋白质组、磷酸化蛋白质组和miRNA变量。相关性分析显示跨RNA、miRNA、蛋白质组和磷酸化蛋白质组数据存在以正相关为主的密集关联网络（|r| ≥ 0.8），提示跨组学水平的协调调控。联合基因–蛋白通路分析显示突触信号与神经元通讯相关通路（如突触囊泡循环、GABA能突触、谷氨酸能突触、逆行性内源性大麻素信号）以及钙信号通路和神经活性配体–受体相互作用显著富集；miRNA富集分析识别出PI3K–Akt、mTOR、Wnt和AMPK等信号通路及与胶质瘤进展和细胞增殖动态相关的通路；磷酸化蛋白质组激酶富集分析中CDK2（cyclin-dependent kinase 2）富集最显著，其次为GSK3B、MAPK14（p38α MAP kinase）、MAPK10（JNK3）、CDK1和RPS6KA3。
**多组学预后特征的构建**：研究人员以Elastic Net Cox回归建模DIABLO衍生多组学特征与总生存的关联并推导特征系数。由于转录组特征在TCGA和CGGA数据集中均可一致测量，故优先纳入外部验证；最终CHI3L1、DRAXIN、HOXC9、EPHB2、SPP1和ADAMTS4六个基因因具有可重复的预后和生物学相关性被保留为最终基因特征。在CPTAC训练队列中，高危患者总生存显著差于低危患者（log-rank p = 0.0013），Cox回归风险比HR = 1.499（95% CI [1.206, 1.862]，p = 2.59 × 10??），C-index为0.758；时间依赖ROC显示1年和2年AUC均为0.838、3年为0.750。
**TCGA与CGGA队列的外部验证**：最终六基因特征在不重新拟合的情况下应用于四个独立验证队列，以队列特异性中位数截断值分层。高危患者在CGGA-693（p = 0.0033）、CGGA-325（p = 0.0087）、TCGA GBM（p = 0.0017）中均显示显著生存分离，GDC TCGA GBM队列分离较弱但方向一致（p = 0.24）。时间依赖ROC显示可重复的预测性能：CGGA-693的1–3年AUC为0.6、0.611、0.613；CGGA-325为0.613、0.702、0.708；TCGA GBM为0.681、0.663、0.799；GDC TCGA GBM为0.596、0.632、0.722。C-index在各队列中虽不高但保持一致（CGGA-693为0.594、CGGA-325为0.6、TCGA GBM为0.603、GDC TCGA GBM为0.547）。在匹配mRNA、miRNA和生存数据的TCGA GBM队列（198例）中，六个基因均成功映射，CPTAC发现队列经Elastic Net Cox保留的16个miRNA中有7个可用于验证；加入miRNA组分未较mRNA-only模型显著改善模型拟合（似然比χ2 = 0.93，p = 0.335），提示miRNA组分未提供显著的增量预后信息。
**各特征基因的预后评估**：对六个基因在各验证队列中行单因素Cox分析，多数基因风险比大于1，提示表达升高通常与更差生存相关。TCGA验证队列中，CHI3L1在TCGA GBM和GDC TCGA GBM中均显示显著不良预后关联，HOXC9和EPHB2在TCGA GBM中具队列特异性显著性，SPP1在GDC TCGA GBM中具显著预后相关性；DRAXIN因TCGA GBM表达数据集不可用而未在该队列评估。CGGA验证队列中，DRAXIN在两个CGGA队列中预后效应最强且最可重复，ADAMTS4在全部CGGA队列中均与更差生存显著相关，HOXC9和SPP1在CGGA-325中保留预后显著性。尽管存在队列特异性差异，效应总体方向基本一致，支持所选转录组标志物的稳健性和可重复性。
**基因特征的临床独立性**：多因素Cox回归显示，在校正年龄、IDH突变状态和MGMT启动子甲基化状态后，基因特征在全部验证队列中均保留独立预后价值。TCGA GBM中基因特征（HR = 1.29，95% CI [1.13, 1.474]，p = 1.68 × 10??）与年龄均独立相关；GDC TCGA GBM中风险评分在校正年龄后仍具独立预后意义（HR = 1.136，95% CI [1.027, 1.257]，p = 0.0135）；CGGA-693中基因特征（HR = 1.158，95% CI [1.03, 1.302]，p = 0.0141）与IDH野生型状态独立相关；CGGA-325中基因特征保留强独立预后意义（HR = 1.25，95% CI [1.12–1.395]，p = 6.75 × 10??）。C-index与时间依赖ROC分析显示，基因特征与临床变量整合可提升预后准确性，如TCGA GBM中C-index由0.603升至0.649，联合模型1–3年AUC为0.732、0.681、0.811；CGGA-325中基因特征单独模型判别力最强（C-index 0.602，对比临床模型0.509和联合模型0.597）。
**与已发表预后模型的基准比较**：以C-index、HR和时间依赖ROC在TCGA与CGGA验证队列中比较所提六基因特征与Li等、Leit?o等和Chow等报道的模型。TCGA GBM中六基因特征C-index为0.603（HR = 1.256，95% CI [1.103, 1.431]，p = 6.07 × 10??），优于Li等模型（0.534），与Leit?o等（0.619）和Chow等（0.613）相当；GDC TCGA GBM中C-index为0.547，高于Li等（0.511）而略低于Leit?o等（0.581）和Chow等（0.610）。在独立CGGA队列中该特征表现最强且最可重复：CGGA-693中C-index为0.594，优于全部比较模型（Li等0.491、Leit?o等0.498、Chow等0.536）；CGGA-325中C-index为0.6，同样优于三者（0.491、0.576、0.578）。时间依赖ROC显示各验证队列3年AUC范围为0.613–0.799，TCGA GBM中六基因特征3年AUC最高（0.799），超过Li等（0.535）、Leit?o等（0.720）和Chow等（0.776）。DCA显示基因特征与临床变量整合在所有验证队列中产生最高净获益，在TCGA衍生队列中优势最明显，CGGA队列中改善较温和但联合模型在多数决策范围内仍具竞争力或更优。
**讨论与结论**
讨论部分围绕三条相互关联的生物学程序展开。其一，轴突导向与细胞外基质（extracellular matrix，ECM）重塑程序：GBM进展涉及对神经发育信号通路的劫持，肿瘤细胞与周围神经元发生双向通讯，活性依赖性神经元信号通过金属蛋白酶（包括ADAM家族成员）介导释放神经连接蛋白-3（neuroligin-3，NLGN3）等因子促进胶质瘤生长；ADAMTS4作为高风险特征支持蛋白水解性ECM重塑在促进肿瘤–微环境相互作用和侵袭性生长中的作用。ECM重塑不仅是结构过程，更是间质重编程和侵袭行为的关键驱动因素；CHI3L1（YKL-40）被识别为高风险特征，与既往报道一致，其通过增强细胞存活、迁移、侵袭和血管生成并激活ERK1/2、PI3K/Akt、Wnt/β-catenin、JNK和NF-κB等致癌通路发挥作用，高表达于GBM并与不良预后、治疗耐药和间质亚型相关。SPP1（骨桥蛋白，osteopontin，OPN）作为共关联因子，与CHI3L1–SPP1调控轴的空间异质性和免疫重塑证据相符：CHI3L1促进M2样巨噬细胞浸润，巨噬细胞来源的SPP1驱动胶质瘤细胞间质（mesenchymal，MES）分化，CHI3L1–STAT3轴调控肿瘤细胞和巨噬细胞的OPN分泌，促进前神经–间质转化（proneural-to-mesenchymal transition，PMT），OPN再通过激活NF-κB和STAT3信号与CHI3L1形成正反馈环路。PLXNA4和EPHB2的存在进一步提示轴突导向信号网络参与GBM进展，Semaphorin–plexin信号调控细胞骨架动力学、迁移和侵袭，Eph受体–ephrin信号（如EPHB2）通过MAPK等下游通路调控细胞间通讯、定向迁移和形态可塑性。其二，发育谱系可塑性：GBM细胞重演神经发育转录程序，维持祖细胞样特征以支持适应、生存和侵袭；HOXC9和DBX2作为转录调控因子被识别，HOXC9可增强肿瘤细胞活力、运动和致瘤性并调节自噬相关通路，DBX2通过转录激活REST通路促进GBM进展；DRAXIN被提示为谱系可塑性相关肿瘤行为的候选介质，与Jia等的研究相呼应，其高表达与更高肿瘤分级、复发和更差总生存相关且独立于1p/19q共缺失和IDH突变状态；蛋白质组层面OLIG2、SOX6、PRPH和VLDLR的识别提供了祖细胞样身份维持的跨组学证据。其三，转录后与表观遗传调控：METTL3、PBRM1和CARHSP1等转录组特征汇聚于转录后调控、RNA稳定性和表观遗传重塑通路，METTL3作为核心m6A RNA甲基转移酶通过调控Notch信号通路（NOTCH3、DLL3、HES1）增强致瘤潜能并抑制凋亡；蛋白质组层面DDX17、HNRNPK、SRSF9、EIF4G3和CBX8等RNA加工和染色质相关蛋白的富集进一步支持多层调控网络稳定侵袭性表型。讨论亦指出局限性：大规模注释完善的多组学GBM数据有限，多分子层匹配样本量小；公共数据中转录组过度代表而蛋白质组、磷酸化蛋白质组和miRNA数据相对稀缺，可能使整合分析偏向转录组驱动信号；miRNA组分未显著改善预后性能；临床注释尤其生存数据不完整降低统计效力；bulk组织组学掩盖瘤内异质性；研究为计算性和回顾性，尚未经前瞻性临床验证或实验功能表征。
**结论译文**：本研究应用整合性多组学框架识别GBM中与生存相关的分子特征，揭示了与肿瘤进展、谱系可塑性和侵袭行为相关的协调生物学程序。本研究的主要贡献在于整合转录组、miRNA、蛋白质组和磷酸化蛋白质组信息，界定具有预后相关性的分子程序，并将这些多组学发现转化为简约的六基因转录组特征。将基于DIABLO的多组学特征发现与Elastic Net Cox建模相结合，随后依据预后性能、跨队列适用性和生物学相关性对转录组特征进行优先排序，使研究人员得以开发出具有可重复临床相关性的稳定六基因预后特征。该特征在CPTAC训练队列中表现出稳健的预后性能，并在校正既定临床变量后于多个TCGA和CGGA验证队列中保留独立预后价值。使用匹配mRNA和miRNA数据的额外验证提供了部分跨组学验证，尽管加入miRNA组分未显著改善超出转录组特征的预后性能。基准分析进一步表明，所提特征与既往发表的GBM预后模型相比表现相当或更优，尤其是在外部验证队列中。尽管对完整四层多组学框架的独立验证仍有必要，这些发现建立了一个生物学上连贯的框架，将多组学发现和机制解释与经外部验证的GBM预后分层相连接。
