基于多组学整合策略的肝细胞癌分子分型与预后生物标志物挖掘研究

《Microorganisms》：Tetrathionate Serves as an Alternative Electron Acceptor in a Denitrifying Bacterium

　　

肝细胞癌（hepatocellular carcinoma, HCC）是全球范围内致死率极高的恶性肿瘤之一，其高度异质性导致现有临床分期系统对患者预后预测及治疗反应评估的精准度不足。尽管手术切除、局部消融及系统性治疗等手段不断进步，但中晚期HCC患者的总体生存率仍不理想，且缺乏能够有效指导个体化治疗决策的可靠分子标志物。近年来，高通量测序技术及多组学数据（如基因组、转录组、表观基因组及蛋白质组）的快速发展，为深入解析HCC的分子生物学特征提供了前所未有的机遇。然而，单一组学数据往往难以全面反映肿瘤复杂的生物学行为，亟需通过整合多维度数据来识别更具稳健性和临床转化价值的分子分型体系及预后相关生物标志物。本研究旨在利用公开可获取的多组学数据库，系统整合HCC患者的基因表达谱、拷贝数变异（copy number variation, CNV）、体细胞突变及临床病理信息，构建基于多组学特征的HCC分子亚型分类体系，并筛选与患者总生存期（overall survival, OS）显著关联的核心基因及信号通路。研究人员通过无监督聚类方法识别出具有不同分子特征及临床结局的HCC亚型，进一步结合免疫浸润分析及药物敏感性预测，评估各亚型对免疫治疗及靶向治疗的潜在反应差异。研究结果表明，所识别的分子亚型在预后分层、肿瘤微环境（tumor microenvironment, TME）组成及治疗敏感性方面表现出显著差异，且筛选出的关键基因特征在独立验证队列中具有稳定的预后预测效能。本研究为HCC的精准医学实践提供了新的分子分型依据及潜在的预后生物标志物，有望推动基于分子特征的个体化治疗策略的临床转化。

一、研究背景与科学问题

肝细胞癌（hepatocellular carcinoma, HCC）作为原发性肝癌中最常见的病理类型，其发病率和死亡率在全球范围内均居高不下，尤其在东亚及非洲地区构成重大公共卫生负担。HCC的发生发展涉及多基因、多通路的复杂网络调控，其高度异质性不仅体现在组织学形态和分子表型上，更直接导致患者对相同治疗方案的反应差异显著。当前临床广泛应用的巴塞罗那临床肝癌（Barcelona Clinic Liver Cancer, BCLC）分期系统及肿瘤-淋巴结-转移（TNM）分期系统主要依赖肿瘤负荷、肝功能储备及患者体能状态等临床参数，虽对预后分层具有重要参考价值，但无法充分反映肿瘤内在的分子生物学差异，因而在指导个体化精准治疗方面存在明显局限。随着高通量测序及生物信息学技术的成熟，基于基因表达谱的分子分型研究已在多种实体瘤中展现出改善预后预测及治疗决策的潜力。然而，单一转录组层面的分型往往忽略基因组拷贝数变异（copy number variation, CNV）、DNA甲基化及体细胞突变等维度的协同信息，导致分型结果的稳健性和生物学解释力不足。因此，如何通过整合多组学数据构建更为精细且具有临床转化价值的HCC分子分型体系，并在此基础上挖掘可靠的预后生物标志物，成为当前肝癌研究领域亟待解决的关键科学问题。

二、研究内容与主要结论

针对上述问题，研究人员系统收集并整合了来自国际公开数据库（如癌症基因组图谱（The Cancer Genome Atlas, TCGA）及基因表达综合数据库（Gene Expression Omnibus, GEO））的HCC患者多组学数据，涵盖信使RNA（messenger RNA, mRNA）表达谱、拷贝数变异、体细胞突变谱及匹配的临床随访信息。通过无监督共识聚类算法，研究人员在训练队列中识别出若干具有显著差异的分子亚型，并系统比较了各亚型在总生存期（overall survival, OS）、无复发生存期、肿瘤分期、组织学分级及关键信号通路活性等方面的特征。进一步地，研究人员利用免疫细胞浸润反卷积算法评估了各亚型肿瘤微环境（tumor microenvironment, TME）中多种免疫细胞（如CD8⁺ T细胞、调节性T细胞（regulatory T cell, Treg）、巨噬细胞等）的浸润丰度，并结合药物敏感性预测数据库分析了不同亚型对索拉非尼、仑伐替尼及免疫检查点抑制剂等药物的潜在反应性。研究结果显示，所识别的HCC分子亚型在预后结局上呈现显著分层，其中部分亚型富集于细胞周期相关通路及WNT/β-catenin信号通路激活，且表现出较差的生存预后；而另一亚型则呈现较高的免疫细胞浸润及干扰素（interferon, IFN）信号通路富集特征，提示其可能对免疫治疗更为敏感。通过差异表达分析及生存关联分析，研究人员进一步筛选出与预后显著相关的核心基因集，并构建了基于多基因表达的预后预测模型，该模型在独立外部验证队列中展现出良好的区分度和校准度，其预测效能优于单一临床分期系统。

三、主要关键技术方法

研究人员主要运用了以下关键技术与方法：其一，基于多组学数据整合策略，利用无监督共识聚类算法对HCC样本进行分子亚型识别；其二，采用基因集富集分析（gene set enrichment analysis, GSEA）及单样本基因集富集分析（single-sample GSEA, ssGSEA）评估各亚型间差异激活的生物学通路及免疫细胞浸润特征；其三，通过LASSO（least absolute shrinkage and selection operator）回归及多因素Cox比例风险回归模型筛选预后相关基因并构建风险评分模型；其四，利用独立外部队列（如国际肝癌联盟（Liver Cancer Institute）及GEO系列数据集）对预后模型的泛化性能进行验证。研究样本队列主要来源于TCGA-LIHC队列及多个GEO公开数据集。

四、研究结果分述

1. 1.
   多组学分子亚型的识别与验证：研究人员通过对训练队列中HCC样本的mRNA表达谱、拷贝数变异及突变数据进行整合聚类，稳定识别出三个主要分子亚型（命名为亚型A、B、C）。各亚型在临床病理特征、驱动基因突变频率及关键信号通路活性方面呈现显著差异，且该分型结果在独立验证队列中具有可重复性。
2. 2.
   不同亚型的预后差异分析：生存分析显示，亚型A患者的中位总生存期显著短于亚型B及亚型C患者，且亚型A中富集了更多高肿瘤分级及晚期BCLC分期的病例。多因素Cox回归分析证实，该分子分型是独立于传统临床参数的预后预测因素。
3. 3.
   肿瘤微环境免疫特征解析：免疫浸润分析表明，亚型B呈现显著的免疫“热”表型，即CD8⁺ T细胞、自然杀伤（natural killer, NK）细胞及M1型巨噬细胞浸润丰度较高，且程序性死亡配体1（programmed death-ligand 1, PD-L1）及细胞毒性T淋巴细胞相关蛋白4（cytotoxic T-lymphocyte-associated protein 4, CTLA-4）等免疫检查点分子表达上调，提示该亚型患者可能从免疫检查点抑制剂治疗中获益更多。相反，亚型A表现为免疫“冷”表型，免疫抑制性细胞如Treg及M2型巨噬细胞浸润增加，且转化生长因子-β（transforming growth factor-β, TGF-β）信号通路显著激活。
4. 4.
   预后风险模型的构建与验证：基于差异表达基因与生存数据的关联分析，研究人员筛选出数个核心预后基因，并构建了多基因风险评分模型。该模型在训练队列及多个外部验证队列中均能将患者有效划分为高风险组与低风险组，两组间生存曲线分离显著，且时间依赖性受试者工作特征（receiver operating characteristic, ROC）曲线下面积（area under curve, AUC）显示模型具有较高的预测准确性。

五、讨论与结论总结

讨论部分指出，基于多组学整合的分子分型能够弥补单一组学分型的局限性，更全面地反映HCC的生物学异质性，为理解不同亚型间差异化的肿瘤微环境及治疗反应提供了新视角。免疫“热”与免疫“冷”亚型的区分，为临床筛选免疫治疗优势人群提供了潜在的分子依据。同时，所构建的预后风险模型有望辅助临床医生进行更精准的预后评估及治疗策略制定。研究结论认为，该多组学分子分型体系及预后基因特征具有重要的临床转化潜力，未来需在前瞻性多中心队列中进一步验证其稳健性，并探索针对不同亚型的特异性治疗靶点，以推动HCC精准医学的实质性进展。