编辑推荐：
为解决胃癌早期诊断难、预后差及缺乏精准预测指标的问题，赣南医学院研究人员开展 CLEC 家族基因在胃癌中作用的研究，发现相关基因模型可预测预后，为个性化防治提供依据，推荐科研读者阅读。
在全球范围内，胃癌就像一个 “隐形杀手”，严重威胁着人们的健康。每年，都有超过一百万人被胃癌 “盯上”，它在癌症相关死亡原因中排第五位。由于胃癌早期症状不明显，很难被及时发现，很多患者确诊时已经到了晚期，这使得治疗难度大大增加，5 年相对生存率在大部分地区只有 20% 左右。而且，传统的组织病理学分类方法，面对胃癌复杂多样的形态特征和分类系统，就像一把钝刀，难以准确预测患者的预后情况 。所以，寻找能有效预测胃癌预后的生物标志物，成为了医学领域的迫切需求。
为了解决这个难题，赣南医学院的研究人员在《Scientific Reports》期刊上发表了一篇名为 “Comprehensive analysis of CLEC family genes in gastric cancer prognosis immune response and treatment” 的论文。他们通过研究发现，由 CD93、CLEC3A 和 VCAN 这三个基因组成的 CLEC 家族基因模型，能够有效预测胃癌患者的预后情况，这一成果为胃癌的个性化防治策略提供了重要依据。
在研究过程中，研究人员用到了多种技术方法。他们从 TCGA、GEO 和 GTEx 数据库中收集了大量数据，包括胃癌患者的 RNA 测序数据和正常胃组织的 RNA 测序数据，以及患者的年龄、性别、肿瘤分级等临床信息。之后，利用 R 语言中的多种包，像 “limma”“CIBERSORT” 等进行数据分析。通过差异分析、单因素 Cox 分析、LASSO 回归分析和多因素 Cox 分析等方法，找出与胃癌预后相关的基因，并构建预后模型，还进行了免疫分析、肿瘤突变分析等多项分析。
下面来看看具体的研究结果：
- 构建和评估预后风险模型：研究人员整合了 TCGA 和 GTEx 数据库的数据，对 CLEC 家族基因进行差异分析，筛选出差异表达基因。接着，经过单因素 Cox 回归分析，找到了 9 个与胃癌患者总生存期（OS，Overall Survival）显著相关的基因。再通过 LASSO 回归分析和多因素 Cox 回归分析，确定了 CD93、CLEC3A 和 VCAN 这三个基因作为预后标志物，并构建了风险评分模型。他们把 412 名患者分成高风险和低风险组，结果发现高风险组患者的预后明显更差，这表明这个模型具有很好的预测能力。
- 风险评分模型的验证：计算所有患者的风险评分后，研究人员把训练集和测试集的样本也分成高风险和低风险组。结果显示，在训练集和测试集中，高风险组的胃癌患者死亡率都更高。而且，这三个预后相关基因在训练集和测试集中的表达模式一致。 Kaplan-Meier 生存曲线也表明，低风险组患者的临床预后更好，进一步验证了风险评分模型的可靠性。
- 模型与临床参数的相关性：研究人员分析了风险评分和其他临床参数的关系，发现基于这三个基因的模型在胃癌患者的不同临床参数中，具有显著的风险分层能力。比如，在年龄、性别、肿瘤分级和分期等方面，高风险的胃癌患者预后更差。不过，在某些参数中，高风险和低风险患者的预后差异并不明显。
- 独立预后分析和列线图的构建：单因素和多因素 Cox 分析都表明，年龄、分期和风险评分都能独立预测胃癌的预后。研究人员还发现，风险评分在预测 5 年总生存期方面，比病理分期和年龄更准确。他们构建了一个列线图，结合年龄、分级、T 分期、M 分期、N 分期和风险分组等因素，来预测患者 1 年、3 年和 5 年的生存概率。校准曲线显示，这个列线图的预测结果很准确、可靠。
- 预后基因特征的外部验证：为了确认这个预后模型在不同人群中的预测价值，研究人员用 GEO 队列进行了外部验证。经过一系列分析，他们发现这个风险评分模型在 GEO 验证队列中也是胃癌的独立预后因素，而且对 1 年、3 年和 5 年的总生存期都有预测能力。根据风险系数把 GEO 队列中的患者分组后，也发现高风险组患者的总生存期更短。
- 胃癌的肿瘤免疫微环境：研究人员用 ESTIMATE 工具比较了高风险和低风险组中基质细胞和免疫细胞的基因表达特征，发现高风险组的肿瘤基质评分、免疫评分和 ESTIMATE 评分都明显更高，这说明高风险患者肿瘤微环境中的细胞外基质成分更丰富，免疫细胞浸润也更多。
- 免疫分析和评估：利用 “CIBERSORT” 和 “GSVA” 等 R 包，研究人员量化了免疫细胞浸润评分和免疫相关功能。结果发现，高风险患者的 M2 巨噬细胞、静息树突状细胞等免疫细胞水平更高，而浆细胞、记忆 B 细胞等免疫细胞水平更低。高风险患者的免疫功能也更强，但他们的肿瘤更具侵袭性，疾病更严重。通过 TIDE 评分分析，发现高风险组的 TIDE 评分更高，说明肿瘤细胞的免疫逃逸能力更强，免疫治疗的效果可能更有限。
- 肿瘤突变分析：研究人员从 TCGA 数据库下载了胃癌患者的体细胞突变数据，分析后发现高风险组和低风险组的基因突变频率有明显差异。高风险组的肿瘤突变负担（TMB，Tumor Mutation Burden）比低风险组低，而且高 TMB 组的胃癌患者生存结果更好。把患者按 TMB 和风险评分分层后进行生存分析，发现不同亚组的生存结果差异显著，高风险患者的预后始终更差。
- 药物敏感性分析：研究人员用 “oncoPredict” R 包预测了不同风险组患者对化疗药物的敏感性。结果发现，高风险患者对一些针对 PI3K/mTOR 通路的药物更敏感，而低风险患者对 RAF/MEK 通路抑制剂更敏感。这为针对不同风险组患者选择个性化的治疗方案提供了参考。
- 基因集和功能富集分析：通过 GO 和 KEGG 分析，研究人员发现与这三个预后相关基因有关的 mRNA 主要富集在细胞外基质组织、PI3K-Akt 信号通路等方面。GSEA 分析还发现，高风险组和低风险组在细胞外基质相互作用、细胞能量产生等相关通路存在显著差异。
- 蛋白质表达的免疫组化验证：研究人员收集了 20 对胃癌和癌旁正常组织样本，进行免疫组化实验。结果显示，VCAN 和 CD93 在胃癌组织中高表达，而 CLEC3A 在癌旁正常组织中高表达，这进一步验证了之前的研究结果。
综合来看，研究人员成功构建了基于 CLEC 家族基因特征的胃癌预后模型，把胃癌患者分成了具有不同生存结果的两个亚组，还开发了列线图来帮助临床医生制定治疗策略。这个预后模型与不同的免疫细胞和免疫功能有关，还能预测患者对化疗药物的敏感性。这些发现为开发针对低风险和高风险胃癌患者的免疫疗法提供了新的靶点，也为胃癌的临床治疗和预后判断提供了新的方向。不过，这项研究也存在一些不足，比如 TCGA 数据库的正常组织样本不够，GSE84437 数据集中样本的病理分类与 TCGA 数据集不完全一致等。但无论如何，这项研究为胃癌的研究和治疗开辟了新的道路，让我们离攻克胃癌这个难题又近了一步。
