基于蛋白激酶构建胃癌预后模型：ABL2 调控 M2 巨噬细胞极化的关键作用

《Biology Direct》：Prognostic and immunological implications of protein kinases in gastric cancer: a focus on hub gene ABL2 and its impact on the polarization of M2 macrophages

为探究蛋白激酶在胃癌（GC）中的作用，研究人员分析转录谱构建模型，发现 ABL2 影响 M2 巨噬细胞极化，助力个性化治疗。

　　

研究背景：胃癌治疗困境与蛋白激酶的探索

胃癌（Gastric Cancer，GC）是胃肠道的 “健康杀手”，2020 年新发病例超百万，在癌症发病率中排名第五。尽管诊断和治疗技术不断进步，GC 患者的 5 年生存率却依旧不容乐观。目前，主要依靠 UICC 和 AJCC 制定的 TNM 分期系统预测患者预后，但由于 GC 的生物学异质性和复杂性，相同 TNM 分期的患者生存结局差异很大。因此，探寻 GC 发病和进展的分子机制、开发有效的诊断和预后生物标志物、提供个性化治疗策略迫在眉睫。

肿瘤微环境（Tumor Microenvironment，TME）作为肿瘤发生和发展的重要调控因素，是一个复杂的多细胞生态系统。近年来，单细胞 RNA 测序（scRNA-seq）技术的发展为研究 TME 提供了新视角。TME 中基质细胞、免疫细胞和细胞外介质之间的相互作用，对肿瘤的增殖、转移和耐药起着关键作用。基于此，免疫治疗成为肿瘤治疗的新希望，它通过增强免疫细胞的抗肿瘤能力来提高治疗效果。然而，由于缺乏有效治疗靶点和 TME 的异质性，只有少数 GC 患者能从免疫治疗中获益，寻找有效的免疫治疗靶点成为提高癌症免疫治疗效果的关键。

蛋白激酶作为细胞信号转导的关键调节因子，参与细胞生命的各个方面，其功能失调与癌症等多种疾病相关。在肿瘤领域，蛋白激酶与肿瘤发生、转移和化疗耐药密切相关，但在 GC 中，其分子机制，尤其是在 TME 和肿瘤免疫中的作用尚未完全阐明。为了解决这些问题，来自青岛大学烟台毓璜顶医院、中国医学科学院北京协和医院、华中科技大学同济医学院附属梨园医院的研究人员开展了深入研究，相关成果发表在《Biology Direct》上。

研究方法：多组学数据挖掘与实验验证

研究人员从 TCGA 和 GEO 数据库中提取 GC 患者的基因表达和临床数据，以及 scRNA-seq 数据。通过 R 包 “limma” 筛选差异表达基因（Differentially Expressed Genes，DEGs），并与 KinBase 数据库中的激酶基因（Kinase Genes，KGs）交叉分析，得到差异表达激酶基因（Differentially Expressed Kinase Genes，DE-KGs）。利用非负矩阵分解（Non - negative Matrix Factorization，NMF）聚类分析 DE-KGs 的表达，将 GC 患者分为不同亚型，并通过 Kaplan-Meier（KM）分析比较各亚型患者的总生存期（Overall Survival，OS）。

为构建预后模型，研究人员先进行单变量 Cox 回归分析筛选与患者生存相关的 DE-KGs，再运用 10 种机器学习算法的 101 种组合构建基于 DE-KGs 的模型（DE-KGsM），并在不同队列中进行验证。通过计算 Harrell 一致性指数（C-index）评估模型性能，根据模型风险评分将患者分组，进行生存分析和受试者工作特征曲线（Receiver Operating Characteristic Curve，ROC）分析，还构建了列线图（nomogram）提高模型的临床适用性。

利用 ESTIMATE、CIBERSORT 算法和单样本基因集富集分析（Single - sample Gene Set Enrichment Analysis，ssGSEA）评估免疫特征和免疫治疗效果，分析不同风险组间免疫细胞浸润和免疫功能的差异。通过 scRNA-seq 分析确定模型中关键基因（ABL2）与巨噬细胞的关系，并利用多种算法进一步验证。在体外实验中，对多种细胞进行培养和转染，诱导巨噬细胞分化，通过定量实时聚合酶链反应（qRT-PCR）、蛋白质免疫印迹（Western blotting，WB）、CCK-8、伤口愈合和 Transwell 实验等探究 ABL2 的功能。

研究结果

1. 基于 DE-KGs 的聚类分析：研究共鉴定出 3107 个 GC 与正常组织间的 DEGs，其中 64 个为 DE-KGs。基于这些 DE-KGs 的表达，将 339 例 GC 患者分为两个亚型（Cluster 1 和 Cluster 2）。Cluster 1 患者预后更差，肿瘤分级更高，T 分期更晚。同时，两个亚型在 TME 和肿瘤浸润免疫细胞（Tumor - infiltrating Immune Cells，TIICs）特征上存在显著差异，Cluster 1 中 M2 巨噬细胞、静息树突状细胞、记忆 B 细胞等比例较高，提示生存差异可能与 TME 中免疫细胞浸润有关。
2. DE-KGsM 的构建与评估：通过单变量 Cox 回归和机器学习算法构建了最优 DE-KGsM，该模型包含 13 个基因（MAP4K4、PIM1、KIT 等）。生存分析显示，高 DE-KGsM 风险评分的 GC 患者 OS 显著低于低评分患者。ROC 曲线表明模型在预测患者预后方面具有较高的诊断准确性，列线图的校准曲线也验证了其预测的准确性。
3. 免疫特征与免疫治疗疗效分析：高 DE-KGsM 评分组患者的炎症亚型（C3）、基质评分（StromalScore）、免疫评分（ImmuneScore）和 ESTIMATE 评分更高，且与多种免疫相关功能和 TIICs 相关，尤其是 M2 巨噬细胞。TIDE 分析发现高 DE-KGsM 评分患者的 TIDE 评分更高，对免疫检查点抑制剂（Immune Checkpoint Inhibitor，ICI）治疗的反应率更低，说明 DE-KGsM 评分与免疫细胞浸润和免疫治疗疗效相关。
4. ABL2 的免疫作用与功能验证：scRNA-seq 分析确定 ABL2 为与巨噬细胞共分布的关键基因。多种算法验证 ABL2 表达与 M2 巨噬细胞浸润水平呈正相关。ABL2 高表达组的免疫相关功能如 II 型干扰素反应（Type II IFN Reponse）、调节性 T 细胞（Treg）等显著激活，TIICs 中 M2 巨噬细胞和 CD4 记忆静息 T 细胞比例更高。在 GC 中，ABL2 表达上调且与患者不良预后相关。体外实验表明，敲低 ABL2 可抑制 GC 细胞的增殖、迁移和侵袭，同时抑制 M2 巨噬细胞极化，说明 ABL2 在 GC 进展中起重要作用。

研究结论与讨论

研究通过分析蛋白激酶转录谱，根据 64 个 DE-KGs 表达确定了 GC 患者的两种分子亚型，构建的 DE-KGsM 可作为 GC 患者预后的有效预测指标，且与 TIICs 相关。ABL2 作为 DE-KGsM 中的关键基因，在肿瘤免疫中具有重要作用，它通过调节 M2 巨噬细胞极化促进 GC 进展。这些发现为 GC 的预后预测和个性化治疗提供了新的思路和潜在靶点。然而，ABL2 调节 M2 巨噬细胞极化的详细机制仍需进一步研究。本研究为深入理解 GC 的发病机制和开发新的治疗策略奠定了基础，有望推动胃癌治疗领域的发展，为更多患者带来希望。