线粒体自噬相关基因在骨肉瘤中的研究：发现预后基因并构建风险模型

《Scientific Reports》：Identification and characterization of mitochondrial autophagy-related genes in osteosarcoma and predicting clinical prognosis

为探究骨肉瘤（OS）发病机制与寻找新治疗靶点，研究人员开展线粒体自噬相关基因研究，确定 5 个预后基因并构建风险模型，为 OS 诊疗提供新方向。

　　

研究背景：探寻骨肉瘤诊疗新方向的征程

骨肉瘤（Osteosarcoma，OS）作为最常见的原发性恶性骨肿瘤，如同隐藏在青少年和特定老年人群身体里的 “定时炸弹”。它偏爱长骨干骺端，每年每百万人中就有 2 - 3 人被其 “盯上”。尽管当前采用新辅助化疗、手术切除和辅助化疗等综合治疗手段，可局限性附肢肿瘤患者的 5 年生存率仍徘徊在 60 - 70%，一旦出现转移，生存率更是暴跌至 20% 以下，化疗效果也多年停滞不前。

线粒体自噬（Mitochondrial autophagy）是细胞内清除受损线粒体、维持细胞稳态的关键过程，与多种癌症密切相关，在肿瘤发生发展中扮演着复杂角色，既能抑制肿瘤，也可能促进肿瘤进展。在骨肉瘤领域，线粒体自噬相关基因（Mitochondrial autophagy related genes，MARGs）的预后作用及生物学功能却知之甚少，缺乏可靠的 MARGs 特征来预测患者总生存期。因此，寻找骨肉瘤预后相关基因，构建风险模型，探索其与肿瘤免疫微环境的关系迫在眉睫，这也成为改善骨肉瘤患者预后的关键突破口。

研究团队与目标：开启探索之旅

天津医院（隶属天津大学）的研究人员肩负使命，踏上探索线粒体自噬与骨肉瘤关系的征程。他们旨在从公共数据库挖掘 OS 相关转录组和临床数据，运用多种回归分析方法，识别与线粒体自噬相关的预后基因，构建风险模型预测 OS 患者生存期，深入探究这些基因与肿瘤免疫微环境的联系，挖掘其在免疫治疗中的潜在价值，并通过逆转录 - 定量聚合酶链反应（Reverse transcription-quantitative polymerase chain reaction，RT-qPCR）验证基因表达，为骨肉瘤的诊断和治疗策略提供坚实的理论依据。该研究成果发表在《Scientific Reports》上。

研究方法：科学探索的有力工具

研究人员从多个公共数据库获取数据，如从加州大学圣克鲁兹分校（UCSC）Xena 平台获取 TARGET-OS 样本生存数据，从基因表达综合数据库（GEO）获取 GSE99671 和 GSE21257 数据集。从 Reactome 数据库提取 29 个 MARGs，收集 5 对天津医院手术中的 OS 和相邻正常组织样本用于 RT-qPCR 验证。利用 DESeq2 进行差异分析，筛选差异表达基因（Differentially expressed genes，DEGs）；运用单样本基因集富集分析（Single-sample Gene Set Enrichment Analysis，ssGSEA）量化 MARGs 表达；通过 Cox 回归分析和最小绝对收缩和选择算子（Least absolute shrinkage and selection operator，LASSO）回归筛选预后基因、构建风险模型；借助基因集富集分析（Gene Set Enrichment Analysis，GSEA）探索不同风险组的富集通路；使用免疫浸润分析、免疫检查点和肿瘤免疫功能障碍与排除（Tumor Immune Dysfunction and Exclusion，TIDE）分析探究基因与免疫微环境的关系；构建竞争性内源性 RNA（Competitive endogenous RNA，ceRNA）网络揭示基因调控机制。

研究结果：重要发现与突破

1. 31 个 MDGs 的识别与功能富集：通过对 OS 与正常样本、高 MARGs 评分和低 MARGs 评分组样本的差异分析，得到 31 个线粒体自噬相关差异表达基因（Mitochondrial autophagy-related differential genes，MDGs）。GO 和 KEGG 富集分析显示，MDGs 主要参与免疫系统过程的负调控、细胞质囊泡腔相关功能、信号受体激活剂活性调节，以及神经活性配体 - 受体相互作用、中性粒细胞胞外陷阱形成等通路。
2. 五个预后基因的确定与风险模型构建：对 MDGs 进行单变量 Cox 回归分析和 LASSO 回归，确定了 KLK2、NRXN1、HES5、OR2W3 和 HS3ST4 这 5 个预后基因，并构建风险模型。该模型将 TARGET-OS 和 GSE21257 样本分为高、低风险组，Kaplan-Meier 生存分析表明高风险组患者生存期显著缩短，1 - 5 年生存预测的受试者工作特征曲线（Receiver Operating Characteristic Curve，ROC）下面积大于 0.6，模型预测性能良好。
3. 风险模型与临床指标结合及预测性能评估：单变量和多变量 Cox 回归分析发现风险评分和肿瘤分期是 OS 生存的重要独立预后因素。基于此构建的列线图，校准曲线显示其能准确预测患者 1 - 5 年生存率。
4. 高、低风险组的富集通路与免疫关联：GSEA 发现高、低风险组在 ABC 转运体、脂肪酸代谢等多条通路存在显著差异。免疫浸润分析表明两组在 11 种免疫细胞群体和 3 种免疫功能上差异显著，低风险组免疫细胞浸润和免疫功能更强。进一步分析发现，不同预后基因与免疫细胞浸润存在不同相关性，如 HS3ST4 与巨噬细胞呈强正相关，NRXN1 与记忆 B 细胞呈强负相关。
5. 预后基因与免疫检查点和 TIDE 的相关性：不同风险组在 HAVCR2 等多个免疫检查点基因表达上存在差异，部分免疫检查点与风险评分相关。高风险组 TIDE 评分更高，提示其 T 细胞可能对基于 PD - 1/PD - L1 或 CTLA - 4 的疗法更敏感。
6. 预后基因的调控机制与表达验证：构建的 ceRNA 网络揭示了预后基因与 miRNA、lncRNA 的相互作用关系，如 NRXN1 与多个 miRNA 和 lncRNA 相关。此外，分析预测了调控预后基因的转录因子（Transcription factor，TF）和 miRNA。GSE99671 数据分析和 RT-qPCR 验证显示，多数预后基因在正常组织中表达更高。

研究结论与讨论：成果与展望

本研究成功确定 5 个与骨肉瘤预后相关的线粒体自噬基因，并构建了有效的风险模型，该模型与免疫反应和调控机制相关，有望成为骨肉瘤预后的生物标志物和治疗靶点。研究还揭示了这些基因在肿瘤代谢、免疫微环境中的潜在作用机制，为骨肉瘤免疫治疗提供了新的思路。例如，针对 HS3ST4 调节肿瘤相关巨噬细胞（Tumor-associated macrophages，TAMs）活性，可能改善低风险组患者免疫治疗效果；高风险组患者则可考虑基于 T 细胞的免疫治疗策略。

不过，研究也存在一定局限性。骨肉瘤是多基因突变疾病，基于 MDGs 构建的预后模型存在固有偏差；研究主要依赖公共数据库数据，缺乏直接实验证据。未来，研究人员计划开展体外细胞实验和动物模型实验，运用基因编辑技术调节线粒体自噬相关基因表达，深入观察其对细胞增殖、凋亡、迁移、侵袭能力及免疫细胞功能的影响，进一步验证线粒体自噬在肿瘤生长、转移和免疫微环境中的作用，为骨肉瘤的诊疗提供更坚实的实验依据。