喉鳞状细胞癌放疗反应与无复发生存预测的联合基因特征模型：开启精准治疗新篇

为解决喉鳞状细胞癌（LSCC）放疗敏感性预测难题，研究人员构建预测模型，助力治疗决策制定。

　　喉鳞状细胞癌（Laryngeal squamous cell carcinoma，LSCC）是常见的头颈部恶性肿瘤，起源于喉黏膜上皮。它就像一个隐匿的 “杀手”，发病初期症状不明显，约 60% 的患者初次诊断时已处于疾病晚期。尽管综合治疗手段不断发展，但令人遗憾的是，其 5 年生存率在过去 40 年里却从 66% 降至 63%。术后 2 年左右患者复发风险极高，而放疗作为重要的治疗手段，却面临着肿瘤细胞对放疗抵抗（radioresistance）的挑战。由于缺乏有效的方法预测 LSCC 患者对放疗的敏感性，医生难以精准制定个性化的治疗方案，导致部分患者无法从放疗中获益。因此，建立一个能够预测 LSCC 放疗敏感性的模型迫在眉睫，这对于提高患者生存率、改善预后具有重要意义。

为了攻克这一难题，上海交通大学医学院附属瑞金医院等机构的研究人员展开了深入研究。他们的研究成果发表在《Cancer Cell International》上，为 LSCC 的治疗带来了新的希望。

研究人员在本次研究中运用了多种关键技术方法。首先，从癌症基因组图谱（The Cancer Genome Atlas，TCGA）数据库收集了 117 例 LSCC 病例，经筛选最终选取 46 例进行研究，同时在瑞金医院耳鼻咽喉科收集了 20 例接受放疗的 LSCC 患者的肿瘤组织等相关资料。接着，运用 R 软件中的 edgeR 包进行差异表达分析，筛选出差异表达的长链非编码 RNA（lncRNAs）和蛋白编码基因（PCGs）。随后，借助 R 软件的 survival 包和 glmnet 包分别进行单因素、多因素 Cox 回归分析与 Lasso 回归分析，构建预测模型。此外，通过加权基因共表达网络分析（Weighted gene coexpression network analysis，WGCNA）挖掘与关键 PCGs 潜在相关的 lncRNAs，并利用逆转录 - 定量聚合酶链反应（Reverse transcription-quantitative polymerase chain reaction，RT-qPCR）验证模型的准确性。

在研究结果方面：

1. 差异表达 lncRNA 和 PCG 分析：对比完全缓解（Complete response，CR）组和非完全缓解（non-Complete response，non-CR）组，研究发现非 CR 组中有 12 个 lncRNAs 和 99 个 PCGs 上调，25 个 lncRNAs 和 166 个 PCGs 下调，其中 p53 和 p16 在非 CR 组呈下调趋势。
2. 基于 3 个 PCGs 的预测模型构建与评估：经单因素 Cox 回归分析和 Lasso 回归分析，最终确定 TENM2、KLHL4 和 ZNF665 这 3 个 PCGs 构建预测模型，即 Riskscore = (6.99E - 05 × TENM2 表达值)+(0.0015 × KLHL4 表达值)-(0.0109 × ZNF665 表达值)。以 0.9168 为临界值将患者分为低风险和高风险组， Kaplan-Meier 曲线显示低风险组无复发生存（Relapse-free survival，RFS）显著高于高风险组。该模型预测 12 个月和 24 个月 RFS 的受试者工作特征（Receiver operating characteristic，ROC）曲线下面积（Area under curve，AUC）分别为 0.808 和 0.772，且高 Riskscore 是 LSCC 患者 RFS 的独立危险因素。在预测放疗反应时，高风险组多为 non-CR，低风险组多为 CR，Riskscore 能有效区分患者放疗反应，预测放疗反应的 ROC 曲线 AUC 为 0.840。
3. 3 个 PCGs 的临床意义探究：通过卡方检验分析 3 个 PCGs 表达水平与患者临床特征的关联，发现 TENM2、KLHL4 和 ZNF665 均与放疗反应相关，KLHL4 与患者初次诊断年龄有关，ZNF665 与患者吸烟史相关。
4. 加权基因共表达网络构建与潜在相关 lncRNAs 筛选：对 1583 个 lncRNAs 进行 WGCNA 分析，构建基因共表达网络，确定了与放疗反应相关的棕色模块。经计算 3 个 PCGs 与棕色模块中 lncRNAs 的 Pearson 相关性，筛选出 14 个潜在相关 lncRNAs，进一步分析发现 ELF3-AS1、PARD3-AS1、GABPB1-AS1 和 ZNF790-AS1 与放疗反应有关，其中 PARD3-AS1 是 TENM2 和 KLHL4 的潜在相关 lncRNA，GABPB1-AS1 和 ZNF790-AS1 是 ZNF665 的潜在相关 lncRNA。
5. 3 个 PCGs 及其潜在相关 lncRNAs 的生存分析： Kaplan-Meier 生存曲线分析显示，高表达 TENM2 和 KLHL4 的患者 RFS 较短，高表达 ZNF665 的患者 RFS 有增加趋势。低表达 PARD3-AS1 和 GABPB1-AS1 的患者 RFS 较短，ZNF790-AS1 表达对患者 RFS 影响不显著。
6. 3 个 PCGs 特征模型预测能力的验证：在瑞金医院收集的 20 例 LSCC 患者中，基于 RT-qPCR 测定的 3 个 PCGs 构建的 Riskscore 模型，能有效区分患者放疗反应，敏感性为 87.5%，特异性为 75.0%，阳性预测值为 70.0%，阴性预测值为 90.0%，总体准确率为 80.0%。非 CR 组中，TENM2 和 KLHL4 显著上调，ZNF665、PARD3-AS1 和 GABPB1-AS1 显著下调，且 TENM2、KLHL4 与 PARD3-AS1 负相关，ZNF665 与 GABPB1-AS1 正相关。

研究结论与讨论部分表明，研究人员首次鉴定出由 TENM2、KLHL4 和 ZNF665 组成的 3 个 PCGs 特征模型，可用于预测 LSCC 患者的 RFS 和放疗敏感性。通过多种分析方法确定了 PARD3-AS1 和 GABPB1-AS1 分别是与 TENM2、KLHL4 以及 ZNF665 关键相关的 lncRNAs。该研究成功建立了基于 3 个 PCGs Riskscore 的放疗敏感性预测模型，为 LSCC 治疗方案的决策提供了理论依据，初步筛选出的潜在相关 lncRNAs 也为后续基础和临床研究奠定了基础。不过，该模型的预测能力还需进一步前瞻性临床研究验证，其潜在生物学机制也有待深入基础研究探索。这一研究成果为 LSCC 的精准治疗开辟了新方向，有望在未来显著改善患者的治疗效果和生存质量。