《Cancer Reports》：Multi-Omics Integration Identifies a Five-Gene Metabolic Signature With Experimental Validation in Clear Cell Renal Cell Carcinoma
编辑推荐：
背景：透明细胞肾细胞癌（ccRCC）以深刻的代谢重编程为特征；然而，其与肿瘤免疫微环境（TIME）的复杂串扰及其临床意义仍未得到充分阐明。本研究旨在通过多组学整合系统解析ccRCC中的代谢-免疫相互作用，以识别稳健的预后生物标志物和可操作的治疗靶点。
目的：
背景：透明细胞肾细胞癌（ccRCC）以深刻的代谢重编程为特征；然而，其与肿瘤免疫微环境（TIME）的复杂串扰及其临床意义仍未得到充分阐明。本研究旨在通过多组学整合系统解析ccRCC中的代谢-免疫相互作用，以识别稳健的预后生物标志物和可操作的治疗靶点。
目的：本研究旨在通过多组学整合系统解析透明细胞肾细胞癌（ccRCC）中的代谢-免疫相互作用，并识别稳健的预后生物标志物和可操作的治疗脆弱性，从而为精准风险分层和个体化治疗策略提供依据。
方法：研究人员整合了来自多个ccRCC队列的批量转录组、基因组和临床数据。进行了差异表达和功能富集分析以表征代谢通路改变。采用孟德尔随机化（MR）推断代谢紊乱与ccRCC风险之间的因果关系。构建了一个基于机器学习的预后框架，并结合SHAP（SHapley Additive exPlanations）进行特征可解释性，且经过严格验证。使用反卷积算法剖析TIME异质性，同时利用药物敏感性、肿瘤突变负荷（TMB）和TIDE评分评估治疗反应和免疫逃逸。通过体外功能获得和功能丧失实验评估候选基因功能，并通过TCGA、HPA、western blot和qRT-PCR验证表达。
结果：富集分析识别出脂质代谢、能量稳态和缺氧反应通路的协调失调。MR分析证实脂质代谢紊乱是ccRCC的因果风险因素。以五个核心SHAP识别特征（SUCLA2、ACAT1、PC、SUCLG1和HMGCS2）为中心的机器学习模型显示出优于传统临床分期的预测准确性。免疫谱分析揭示了二分法TIME状态：低风险组保留主动免疫监视，而高风险组富含免疫抑制亚群。药物敏感性筛选确定LY2109761和卡莫司汀为高风险特异性候选药物。此外，TMB和TIDE分析对表现出基因组不稳定性和免疫逃逸表型的高风险患者进行了分层。在功能上，SUCLA2敲低显著增强ccRCC细胞增殖和侵袭，而其过表达抑制这些恶性表型，证实其肿瘤抑制作用。核心基因的表达模式在多水平数据集和实验测定中得到一致验证。
结论：本研究通过将代谢生物标志物、免疫表型和分层治疗策略功能性地联系起来，建立了ccRCC的精准肿瘤学框架。重要的是，研究人员将SUCLA2确定为潜在的功能性肿瘤抑制因子和有前景的进一步机制及转化研究靶点。
论文解读：多组学整合揭示透明细胞肾细胞癌的五基因代谢特征及实验验证
一、研究背景与问题
透明细胞肾细胞癌（clear cell renal cell carcinoma, ccRCC）是肾癌中最常见且侵袭性最强的亚型，约占所有病例的75%，转移性疾病患者5年生存率较低。ccRCC的一个标志性特征是深刻的代谢重编程，其由VHL基因缺失及随后HIF-1α稳定化驱动，促使肿瘤向糖酵解、脂质积累和氨基酸代谢失调转变。尽管这些代谢变化已被充分记录，但代谢改变与肿瘤免疫微环境（tumor immune microenvironment, TIME）之间的动态相互作用及其对预后和治疗反应的整体影响仍知之甚少。现有ccRCC预后模型主要依赖临床分期，缺乏代谢-免疫整合信息。因此，本研究旨在通过多组学框架系统解析ccRCC中的代谢-免疫轴，整合转录组学、基因组学和药物基因组学，以识别潜在的生物标志物和治疗靶点。
二、研究内容与结论
研究人员整合了来自癌症基因组图谱（TCGA）和基因表达综合数据库（GEO）等多个ccRCC队列的批量转录组、基因组和临床数据，通过差异表达分析、功能富集分析、孟德尔随机化（Mendelian randomization, MR）、机器学习建模、免疫浸润反卷积、药物敏感性分析及体外功能实验，系统解析了ccRCC的代谢重编程特征及其与TIME的串扰。研究发现：脂质代谢、氨基酸代谢和碳水化合物代谢是ccRCC发病中的关键通路，且脂质代谢紊乱被证实为ccRCC的因果风险因素。基于五个核心基因（SUCLA2、ACAT1、PC、SUCLG1和HMGCS2）构建的机器学习预后模型展现出优于传统临床分期的预测准确性。免疫分析揭示了高风险组与低风险组截然不同的TIME状态，高风险组富集免疫抑制亚群，而低风险组保留免疫监视功能。药物敏感性筛选确定了针对高风险组的候选药物LY2109761和卡莫司汀。功能实验表明，SUCLA2在ccRCC中发挥肿瘤抑制作用。该研究建立了代谢重编程作为ccRCC进展核心调控机制的精准肿瘤学框架，为风险分层和个体化治疗提供了理论基础。论文发表在《Cancer Reports》。
三、主要技术方法
该研究使用了以下关键技术方法：1）基于TCGA和GEO队列的转录组、突变和临床数据整合，采用ComBat算法校正批次效应，z-score标准化，k近邻算法填补缺失值；2）利用limma包进行差异表达分析，clusterProfiler包进行GO和KEGG富集分析；3）双样本孟德尔随机化（MR）分析，以脂质代谢紊乱为暴露因素、ccRCC为结局因素，使用逆方差加权（IVW）等方法推断因果关系；4）基于单变量Cox回归、递归特征消除和多重Cox回归构建预后模型，并用SHAP（SHapley Additive exPlanations）解释特征贡献；5）采用CIBERSORT和ESTIMATE算法评估免疫细胞浸润和肿瘤微环境评分；6）基于GDSC2数据库预测药物敏感性（IC50）；7）使用UALCAN和HPA数据库验证基因表达，并通过western blot和qRT-PCR在HK-2、786-O和ACHN细胞系中验证；8）通过CCK-8、伤口愈合和Transwell实验评估SUCLA2过表达/敲低对ccRCC细胞增殖、迁移和侵袭的影响。
四、研究结果
3.1 差异表达与富集分析：通过limma包比较肿瘤与正常组织的基因表达谱，鉴定出与代谢重编程相关的差异表达基因。GO和KEGG富集分析显示，这些基因显著富集于脂质代谢、氨基酸代谢（尤其是支链氨基酸）、碳水化合物代谢、三羧酸循环（TCA）、糖酵解/糖异生、AMPK信号通路及HIF-1信号通路等，表明ccRCC存在协调的代谢失调，涉及营养响应、能量生成和缺氧适应。
3.2 暴露因素与结局因素的因果分析：以脂质代谢紊乱为暴露因素、ccRCC为结局因素进行MR分析。IVW方法显示脂质代谢紊乱对ccRCC风险的因果效应大于0，呈正相关；敏感性分析、漏斗图及MR Egger回归均支持结果的可靠性，证实脂质代谢紊乱是ccRCC的因果风险因素。
3.3 预后基因筛选与SHAP分析：通过单变量Cox回归从145个差异表达代谢基因中筛出86个预后相关基因。经PPI网络和四种拓扑算法（Degree、MCC、MNC、EPC）取交集得到六个核心基因，进一步经SHAP分析确定SUCLA2、ACAT1、HMGCS2、SUCLG1和PC为最具影响力的五个特征。SHAP beeswarm图显示除SUCLG1外，其余四个基因的表达与SHAP值呈负相关。PCA、UMAP和t-SNE降维分析证实模型基因可有效区分高风险与低风险组。
3.4 生存与独立预后分析：在TCGA训练队列和GEO验证队列中，低风险组总生存期显著优于高风险组。多变量Cox回归确定年龄、肿瘤分期和风险评分为独立预后因素。时间依赖性ROC曲线显示1年、3年、5年AUC分别为0.825、0.815和0.815，风险评分的预测准确性高于传统临床参数。分层分析显示风险评分在各年龄组和肿瘤分期中均具有预后价值。
3.5 列线图构建与免疫浸润分析：纳入独立预后因素构建列线图，校准曲线显示1年、3年、5年预测与观察结果一致性良好。高风险组的ESTIMATE和免疫评分显著升高，而基质评分无差异。低风险组富集静息CD4
+记忆T细胞、单核细胞和静息树突状细胞，提示免疫监视保留；高风险组则富集滤泡辅助T细胞（Tfh）和调节性T细胞（Tregs），呈现免疫抑制微环境。免疫分型显示低风险组主要属于免疫热C3亚型（94%）。
3.6 肿瘤突变分析：高风险组和低风险组中VHL和PBRM1突变频率相似，但TTN、SETD2和BAP1等驱动基因突变存在显著差异。高风险组肿瘤突变负荷（TMB）显著升高，且TIDE评分升高提示更强的免疫逃逸潜力。TMB与风险评分的联合分析显示，低TMB/低风险组预后最佳，高TMB/高风险组预后最差。
3.7 潜在药物筛选：基于GDSC2数据库预测药物敏感性。低风险组和高风险组各自排名前五的敏感药物包括替莫唑胺、卡莫司汀、MIRA-1、EPZ004777等。相关性分析确认LY2109761和卡莫司汀与高风险组显著相关，提示其作为高风险患者风险分层治疗选项的潜力。
3.8 五个核心基因的表达及预后价值：UALCAN数据库分析显示，五个核心基因在肿瘤组织中均低表达，且高表达预示较好预后；其表达随年龄增长和肿瘤分期升高而降低。RT-PCR和western blot在ACHN和786-O细胞系中验证了转录和蛋白水平表达，HPA数据库在组织蛋白水平进一步确认。
3.9 SUCLA2抑制ccRCC恶性表型（体外）：功能实验显示，SUCLA2过表达显著降低786-O和ACHN细胞的增殖、迁移和侵袭能力，而SUCLA2敲低则增强这些恶性表型。结论表明SUCLA2在ccRCC中发挥肿瘤抑制作用。
五、讨论与结论
讨论部分指出，该研究系统描绘了ccRCC的代谢重编程特征，并揭示了代谢紊乱、免疫微环境重塑与风险分层之间的复杂关系。MR分析为脂质代谢紊乱作为ccRCC因果风险因素提供了遗传学证据，但需进一步功能验证。SHAP模型识别出的五个核心基因均与代谢关键通路相关，其低表达可能协同促进肿瘤进展。免疫分析显示高风险组存在免疫抑制微环境，与代谢驱动因子（如HMGCS2）可能通过乳酸介导的免疫抑制促进Treg募集。基因组与免疫分析联合提示高风险组存在基因组不稳定性和免疫逃逸表型。药物筛选为高风险患者提供了潜在治疗选择。SUCLA2作为新鉴定的肿瘤抑制因子，其作用机制值得深入研究。研究局限性包括需要前瞻性临床验证、机制研究尚不充分、计算预测算法结果需实验验证等。结论强调，该研究将代谢重编程确立为ccRCC进展的核心调控机制，建立了稳健的预后预测模型，揭示了直接临床价值的风险分层治疗靶点，并深化了对ccRCC作为“代谢免疫紊乱”疾病的理解，为同时靶向这两个生物学轴的精准医学策略提供了理论框架。
