《International Journal of Genomics》：Prognostic Modeling of Lysosomal Cell Death Signatures in Lung Adenocarcinoma: A Machine Learning Framework for Survival Outcome Prediction
编辑推荐：
背景：肺癌在全球范围内仍是癌症相关死亡的主要原因。本研究利用多组学方法，对肺腺癌的转录组景观、细胞组成及免疫架构进行了全面表征。
方法：基因表达数据获取自GEO（GSE131907）和TCGA-LUAD（n = 526）。溶酶体相关细胞死亡基因集（LRCD g
背景：肺癌在全球范围内仍是癌症相关死亡的主要原因。本研究利用多组学方法，对肺腺癌的转录组景观、细胞组成及免疫架构进行了全面表征。
方法：基因表达数据获取自GEO（GSE131907）和TCGA-LUAD（n = 526）。溶酶体相关细胞死亡基因集（LRCD gene sets）整理自GeneCards、MSigDB及已发表文献。分析内容包括差异表达谱分析、单细胞RNA测序（GSE131907，n = 11,376个细胞）、基因集富集分析（GSEA）及细胞间通讯图谱构建。研究人员构建了基于最小绝对收缩和选择算子（LASSO）的预后模型，采用10折交叉验证，并在三个独立队列中通过受试者工作特征曲线（ROC）和Kaplan–Meier分析进行验证。
结果：共鉴定出14个具有预后意义的基因，包括保护性因子（BTK、CLNK、CTSG；风险比HR < 1）和风险因子（CTSV、HMOX1；HR > 1）。单细胞分析描绘了来自1例原发肿瘤和1例正常肺样本的11,376个细胞。该预后模型表现出中等至良好的判别能力（AUC：0.545–0.692），并能有效对患者进行风险分层。模型基因与免疫细胞浸润及检查点表达在不同风险组间显著相关，功能富集分析突出了免疫运输、细胞因子信号传导及细胞黏附通路。
结论：这项多组学研究鉴定了可靠的基于LRCD的预后标志物，并为肺腺癌生物学提供了机制性见解，具有临床风险分层的潜在应用价值。
一、研究背景与意义
肺癌是全球癌症相关死亡的首要原因，其中肺腺癌作为最主要的组织学亚型，具有显著的分子异质性和复杂的肿瘤微环境。临床上，肺结节是影像学检查中最常见的发现之一，约5%–10%的偶然发现的肺结节最终发生恶性转化，而肺腺癌是最常见的组织学类型。然而，驱动这一恶性进展的分子机制尚未完全阐明，临床上迫切需要能够区分良恶性结节的可靠生物标志物，以及能够精准评估患者预后的工具。
近年来，随着对肿瘤生物学认识的深入，肿瘤组织内的细胞死亡通路受到越来越多的关注。溶酶体介导的细胞死亡，即溶酶体相关细胞死亡（LRCD），是一种依赖溶酶体的调节性细胞死亡形式，在机制上区别于凋亡，其发生需要先行的溶酶体损伤和功能障碍。溶酶体在抗原呈递中发挥重要作用，影响免疫细胞对肺腺癌细胞的识别和清除；溶酶体功能障碍还与肿瘤微环境中的免疫信号传导相关。溶酶体功能的改变可重编程代谢活性并调节肿瘤微环境中的信号分子，最终促进肿瘤生长和转移扩散。
基于上述认识，研究人员利用LRCD相关基因作为特征变量，结合机器学习方法，构建了肺腺癌患者的风险分层框架，旨在识别关键的LRCD相关遗传决定因素，评估其预后价值，并构建和验证能够为个体化治疗决策和预后预测提供信息的评分模型。
二、研究内容与主要结论
本研究通过整合差异表达分析、单细胞转录组学、细胞间通讯网络分析和机器学习方法，系统表征了肺腺癌的分子景观。研究鉴定出14个与总生存期显著相关的预后基因，其中BTK、CLNK、CTSG为保护性因子（HR < 1），CTSV和HMOX1为风险因子（HR > 1）。基于共识聚类分析，患者被分为两个具有显著不同转录特征的分子亚型。细胞间通讯分析揭示了42个显著活跃的配体-受体对，其中巨噬细胞是主要的信号枢纽。所构建的多基因预后模型在训练队列和外部验证队列中均表现出中等至良好的判别性能（AUC：0.545–0.692），风险分层能有效区分高低风险患者的生存结局。免疫相关性分析显示模型基因与多种免疫细胞浸润及免疫检查点表达显著相关。单细胞分析揭示了预后基因在不同细胞群中的特异性表达模式，其中风险基因CTSV和HMOX1在巨噬细胞和上皮细胞簇中富集，保护性基因BTK、CLNK和CTSG主要在免疫效应细胞群中表达。
这项研究的意义在于：建立了基于LRCD特征的预后框架，为肺腺癌的风险分层提供了新的工具；揭示了溶酶体功能与抗肿瘤免疫之间的复杂相互作用；为靶向特定配体-受体相互作用的治疗策略提供了潜在方向；为个体化治疗策略的制定奠定了分子基础。
三、主要技术方法
本研究使用的主要技术方法包括：从GEO数据库（GSE131907：单细胞RNA测序，1例原发肿瘤样本5578个细胞和1例正常肺样本5798个细胞，共11,376个细胞；GSE72094：微阵列，n = 398）和TCGA-LUAD队列（n = 526例患者，59例癌旁正常组织）获取基因表达数据和临床参数；利用limma包进行差异表达分析；采用单变量Cox比例风险回归鉴定预后相关基因；使用SCTransform方法进行单细胞数据归一化，Harmony批次校正，主成分分析（PCA）降维，UMAP可视化和Louvain无监督聚类；运用CellChat包重建细胞间通讯网络；采用嵌套交叉验证框架评估101种算法组合，最终以LASSO回归进行特征选择，构建14基因风险特征模型。
四、研究结果
4.1 差异表达分析揭示独特的转录组谱
对肿瘤组织和癌旁正常组织进行全面的差异表达分析，鉴定出2488个显著失调的基因，其中884个在肿瘤组织中上调，1604个下调。层次聚类分析揭示了肿瘤队列内的不同分子亚型，提示潜在的生物学异质性。
4.2 通过Cox回归分析鉴定预后基因
单变量Cox回归分析鉴定出14个与患者总生存期显著相关的基因。BTK、CLNK和CTSG为保护性因子（HR < 1），其高表达与较好的生存结局相关；CTSV和HMOX1为风险因子（HR > 1），其过表达与生存概率降低相关。
4.3 共识聚类鉴定两个具有不同功能特征的分子亚型
基于预后LRCD基因表达谱的共识聚类将患者分为两个分子亚型，即Cluster 1和Cluster 2，两者具有显著不同的转录特征（p < 0.001）。Cluster 1以免疫相关基因高表达为特征，符合免疫富集表型；Cluster 2以上皮和基质细胞群相关基因高表达为特征。各亚型表现出亚型特异性的通路富集模式。
4.4 细胞间通讯网络揭示复杂信号相互作用
系统重建细胞间通讯网络，鉴定出42个显著活跃的配体-受体对（p = 2.23e?16）。免疫细胞通过细胞因子信号通路与恶性细胞和基质细胞进行广泛通讯。弦图可视化显示巨噬细胞是主要的信号枢纽，与多种细胞类型进行双向通讯。
4.5 预后模型表现出中等至良好的预测性能
所构建的多基因预后模型在TCGA-LUAD训练队列中AUC值为0.680（1年）、0.664（3年）和0.671（5年）；在外部GSE72094验证队列中AUC值为0.545（1年）、0.577（3年）和0.692（5年）。校准曲线证实预测与观察的生存概率之间具有良好一致性。决策曲线分析（DCA）显示LRCD风险评分在10%–70%阈值概率范围内提供了超越单纯TNM分期的净临床获益。Kaplan–Meier分析显示高低风险组间生存轨迹显著不同（p < 0.001）。单变量和多变量Cox回归分析确认LRCD风险评分是独立预后因素。
4.6 免疫相关性和检查点分析
模型基因与13种免疫细胞类型存在相关性。比较了高风险组和低风险组之间免疫检查点表达，包括PD-L1、PD-1、CTLA-4、TIM-3和LAG-3。同时评估了两组间的干细胞评分、免疫评分和基质评分。
4.7 功能富集揭示关键生物学过程
基因集富集分析（GSEA）突出了与免疫调节、细胞通讯和代谢重编程相关的Hallmark通路，为肺腺癌进展和免疫调节的分子机制提供了见解。
4.8 基因相关性和免疫浸润模式
预后基因间相关性分析显示共表达关系强度不等（r = ?0.16至0.40）。值得注意的是，AP1S3是14个预后模型基因中唯一与干细胞评分、免疫评分或肿瘤微环境评分无显著相关性的基因。免疫浸润分析显示预后基因表达与特定免疫细胞群的丰度显著相关，特别是CD8+ T细胞和M1巨噬细胞。
4.9 单细胞水平LRCD基因表达特征
对GSE131907中11,376个高质量细胞的单细胞转录组分析揭示了LRCD相关模型基因在不同细胞群中的分布。经Harmony批次校正和Louvain无监督聚类后，注释了九种主要细胞类型：T细胞、巨噬细胞、上皮细胞、B细胞、自然杀伤（NK）细胞、成纤维细胞、肥大细胞、内皮细胞和其他细胞。CTSV和HMOX1在巨噬细胞和上皮细胞簇中优先表达，与其作为风险基因的角色一致。保护性基因BTK、CLNK和CTSG主要在免疫细胞群（T细胞、NK细胞和B细胞）中表达。该单细胞分析仅来源于1例原发肿瘤样本和1例正常肺样本，无生物学重复，属于探索性表征而非独立验证。
五、讨论与结论
讨论部分指出，本研究通过整合差异表达分析、单细胞转录组学和机器学习方法，在多个分子分辨率上全面表征了肺腺癌的肿瘤生物学。14个预后基因的鉴定是肺腺癌生物标志物发现的重要进展，保护性基因主要编码参与免疫细胞功能的蛋白，风险基因则与细胞应激反应和代谢适应相关。共识聚类揭示了肺腺癌内显著的分子异质性。巨噬细胞作为信号枢纽的突出地位与其在塑造肿瘤免疫景观中的既定作用一致。预后模型在多个独立队列中表现出中等至良好的判别性能，支持LRCD相关基因用于患者分层的临床实用性。单细胞分析提供了预后基因细胞类型特异性表达模式的证据。研究局限性包括回顾性设计无法进行因果推断，以及缺乏功能验证实验。未来方向包括实验验证LRCD相关基因的功能贡献、探索其作为治疗靶点的潜力，以及开展前瞻性临床试验评估预后模型的临床应用价值。
结论：这项全面的多组学研究成功建立并验证了基于肺腺癌LRCD特征的预后框架。通过整合差异表达分析、单细胞转录组学和机器学习方法，研究人员鉴定了14个预后基因，构建了具有中等至良好判别性能和临床实用价值的预后模型。单细胞转录组分析揭示的细胞异质性为肿瘤微环境组织和免疫-肿瘤相互作用提供了新见解。这些发现推进了对肺腺癌生物学的理解，为个体化治疗策略奠定了基础，可能通过精细的风险分层和治疗选择改善患者结局。
