肺腺癌中与糖基化相关的基因风险模型以及OSTC和TUBA1C的功能验证

《Respiratory Research》：Glycosylation-related gene risk model and functional validation of OSTC and TUBA1C in lung adenocarcinoma

　　

摘要

引言

OSTC和TUBA1C通过调节N-糖基化以及PI3K/AKT信号通路推动肺腺癌的恶性进展；沉默这两个基因可显著抑制肿瘤细胞的恶性表型，因此它们被视为肺腺癌诊断和治疗干预的有希望的新候选靶点。

方法

本研究整合了TCGA和GEO的多组学数据，基于糖基化基因集构建了一个包含10种机器学习算法的肺腺癌风险模型（GPRS）。通过Cox回归和生存曲线评估预后，同时分析了基因功能、微环境以及药物敏感性。利用单细胞和空间转录组学研究基因分布，并通过体外实验验证OSTC和TUBA1C对肺腺癌细胞功能的影响。

结果

本研究筛选了134个糖基化基因集，构建出18基因的风险模型，在TCGA肺腺癌数据集中展现出较高的预测精度（1年、3年和5年的AUC值在0.966到0.982之间）。高风险组中PI3K/AKT通路表达显著增强，免疫评分较低，且对EGFR抑制剂敏感；而低风险组中Bcl-2抑制剂则具有显著疗效。单细胞分析显示，在肿瘤进展过程中OSTC和TUBA1C的表达水平逐渐升高。体外实验证实，敲低这两个基因会抑制肺腺癌细胞的增殖和迁移，并引发细胞凋亡，这一机制与PI3K/AKT磷酸化水平的下降相关。

结论

本研究确定OSTC和TUBA1C是与糖基化相关的致癌基因，它们通过PI3K/AKT通路推动肺腺癌的进展。基于多组学机器学习方法构建的GPRS模型可作为发现工具，不仅能体现这些基因的预后意义，还能反映肺腺癌的代谢特征、免疫状态以及药物反应性。这些发现为肺腺癌的精准治疗提供了机制层面的见解和潜在靶点。