《Current Proteomics》：Dysregulation of circadian clock genes in hepatocellular carcinoma: Development of a four-gene prognostic signature
编辑推荐：
摘要背景：肝细胞癌（HCC）是全球最致命的恶性肿瘤之一。昼夜节律钟基因（CCGs）的失调在包括HCC在内的多种癌症进展中发挥关键作用。然而，评估CCGs在HCC中预后意义的综合生物信息学分析仍然有限。目的：本研究旨在开发一种基于CCG的预后特征，并评估其相对于
摘要背景：肝细胞癌（HCC）是全球最致命的恶性肿瘤之一。昼夜节律钟基因（CCGs）的失调在包括HCC在内的多种癌症进展中发挥关键作用。然而，评估CCGs在HCC中预后意义的综合生物信息学分析仍然有限。目的：本研究旨在开发一种基于CCG的预后特征，并评估其相对于传统TNM分期的预测价值。方法：利用癌症基因组图谱（TCGA）和GSE76427数据集，对HCC与正常组织之间的CCGs进行差异表达分析。构建了蛋白质-蛋白质相互作用网络，并进行了通路富集分析。采用LASSO?Cox回归构建了预后特征，并通过生存分析、时间依赖性ROC曲线和独立验证评估其预测性能。结果：差异表达分析确定了232个在HCC中失调的CCGs。本研究构建了一个四基因预后特征（DUSP13、HAAO、FLT3、IL1RN），将患者分为高风险组和低风险组。高风险组的总生存期显著缩短（P < 0.0001）。值得注意的是，多变量Cox回归验证了风险评分作为独立预后因素（HR = 12.86，P < 0.05），其预测性能（1年、3年和5年AUC分别为0.700、0.669和0.638）补充了传统分期。一个整合了风险评分与临床变量的列线图显示，其校准度优于单独使用TNM分期，但改善程度仅为中等。结论：四CCG特征在HCC中提供了超越TNM分期的独立预后信息。然而，这些发现完全来源于计算机分析，在临床转化前需要实验验证。
**论文解读：基于昼夜节律钟基因的肝细胞癌四基因预后特征构建与验证**
**研究背景与问题**
肝细胞癌（HCC）是全球高致死率的恶性肿瘤之一，其预后评估工具（如TNM分期系统）在个体化预测方面仍存在不足。尽管已有多个基于基因表达的预后特征被提出，但由于验证有限、预测准确性中等且缺乏机制洞见，均未进入常规临床实践。昼夜节律钟基因（CCGs）的失调与癌症特征（如增殖、DNA修复和免疫逃逸）密切相关，但直接评估CCG表达模式在HCC中预后价值的研究尚不充分。现有CCG相关预后特征存在若干局限：分析仅局限于少量预选昼夜节律基因，可能遗漏其他相关CCGs；缺乏独立的外部验证；未系统评估这些特征与常规临床变量相比的长期预测准确性；以及基于CCG的特征是否能为已确立的分期系统（如TNM）提供增量价值仍不明确。为填补这些空白，研究人员开展了本研究。
**研究内容与结论**
研究人员利用癌症基因组图谱（TCGA）和GEO数据库，系统筛选了HCC中失调的CCGs，并通过LASSO?Cox回归构建了一个四基因预后特征（DUSP13、HAAO、FLT3、IL1RN），进而评估其时间依赖性预测性能，并与常规临床变量进行比较。结果表明，该特征可将患者分为高风险组和低风险组，高风险组总生存期显著缩短（P < 0.0001），且风险评分是独立预后因素（HR = 12.86，P < 0.05）。该特征在TCGA训练队列中1年、3年和5年AUC分别为0.700、0.669和0.638，在GSE76427验证队列中分别为0.639、0.686和0.646。整合风险评分与临床变量的列线图在1年和3年时校准度良好，但5年时出现轻微低估。该论文发表在《Current Proteomics》。
**主要关键技术方法**
研究人员从TCGA数据库获取371例HCC样本的RNA?seq数据，从GSE76427数据集获取115例HCC样本的微阵列数据，并进行跨平台批次校正。通过DESeq2进行差异表达分析，筛选出232个失调的CCGs。利用Reactome、BioGrid等多个数据库构建蛋白质-蛋白质相互作用网络，并通过ReactomeFIViz进行通路富集分析。采用LASSO?Cox回归（10折交叉验证，λ = 0.0427）构建预后特征，计算风险评分。使用Kaplan?Meier生存分析、时间依赖性ROC曲线和Cox回归评估预测性能，并构建列线图进行可视化。
**研究结果**
**1. 鉴定HCC中异常表达的CCGs**
通过全转录组差异基因分析，以FDR<0.05和|log2FC|>1为阈值，鉴定出6923个差异表达基因（DEGs），与1299个CCGs取交集后得到232个重叠基因。热图显示这些基因在HCC与正常组织间表达差异显著。KEGG通路富集分析表明，这些CCGs与MAPK信号通路、HIF-1α转录因子网络和NF-κB信号通路等癌症相关信号网络有关。
**2. 鉴定潜在预后相关CCGs**
在TCGA数据集中，232个重叠基因包括114个上调CCGs和118个下调CCGs。与HCC预后相关基因整合后，获得107个潜在预后生物标志物。Kaplan?Meier分析确定了13个高置信度预后相关基因，并在HCC与正常组织间呈现显著差异表达。
**3. 计算机验证预后相关CCGs**
在独立GSE76427数据集中验证了这13个CCGs的预后相关性，Kaplan?Meier分析证实了其表达与总生存期的显著关联。
**4. 预后特征构建与风险评分计算**
LASSO?Cox回归从13个基因中筛选出4个基因（DUSP13、HAAO、FLT3、IL1RN），构建预后特征。风险评分公式为：Risk Score = (?0.567051 × FLT3) + (0.108969 × DUSP13) + (?0.077751 × HAAO) + (?0.034033 × IL1RN)。高风险组患者生存时间更短，死亡率更高（P < 0.0001）。时间依赖性ROC分析显示，AUC从1年的0.700降至5年的0.638。
**5. 计算机验证预后特征**
在GSE76427验证队列中，高、低风险组间的生存差异显著（P < 0.05），时间依赖性ROC AUC在1年、3年和5年分别为0.639、0.686和0.646。
**6. 预后列线图的开发与验证**
单变量Cox回归显示风险评分、临床肿瘤分期III/IV、T分期（T3/T4）和M分期与预后显著相关。多变量Cox回归确认风险评分为独立风险因素（HR = 12.86，P < 0.05）。构建的列线图在1年和3年时校准良好，5年时出现轻微低估，其AUC分别为0.699、0.697和0.657。决策曲线分析表明该列线图在不同风险阈值下均提供更高净收益。
**讨论与结论总结**
讨论部分指出，DUSP13、HAAO、FLT3和IL1RN通过代谢重编程（HAAO）、信号扰动（FLT3/DUSP13）和免疫逃逸（IL1RN）两条汇聚轴，共同构成昼夜节律紊乱驱动HCC进展的协调网络。高风险的分子特征为DUSP13升高、IL1RN降低、HAAO降低和FLT3降低，提示代谢重编程、免疫调节受损以及FLT3相关有利微环境特征减少。该特征在TCGA训练队列中预测性能随时间下降，而在GSE76427验证队列中呈现波动模式，可能源于平台差异和样本量有限。研究局限性包括：所有发现仅基于公共数据库的计算机分析，缺乏实验验证；预测性能中等（5年AUC仅0.638）；未在常规临床样本中验证；基因功能机制尚属推测。
结论部分翻译如下：综上所述，本研究利用公共生物信息学数据，确定了四CCG表达特征与HCC总生存期之间的统计关联。该特征可将患者分为高风险和低风险组，但预测准确性仅为中等。需要强调的是，所有发现均为相关性，且完全来源于计算机分析，未经任何实验或临床验证。因此，所提出的特征尚不适用于临床应用。相反，这些结果应被解读为产生假设，为未来研究提供依据。需要在特征明确的患者群体中进行前瞻性队列研究以评估该特征的预后价值，并需要体外或体内实验阐明DUSP13、HAAO、FLT3和IL1RN在HCC生物学中的功能作用。
