基于 PANoptosis 相关预后特征预测乳腺癌患者生存与免疫状态的新突破

《Discover Oncology》：Predicting survival and immune status of breast cancer patients based on prognostic features related to PANoptosis

为解决乳腺癌（BRCA）治疗决策及预后预测难题，研究人员开展基于 PANoptosis 相关基因评估 BRCA 患者生存和免疫状态的研究。他们筛选出 8 个生物标志物，建立风险模型，还分析了免疫微环境和药物敏感性。这为 BRCA 预后预测和治疗提供新视角。

　　在女性健康的领域中，乳腺癌（Breast Cancer，BRCA）就像一颗 “定时炸弹”，严重威胁着全球女性的生命健康。它是女性中极为常见的恶性肿瘤，发病率在各类癌症中位居第二，死亡率达 6.9% 。虽说在多数西方国家，凭借先进的治疗策略和早期检测技术，BRCA 患者 5 年相对生存率超 80%，可中国与西方国家在年龄特异性发病率上存在差异，早期检测率仍有待提高。而且，BRCA 的治疗决策，尤其是针对晚期癌症的治疗，仍存在诸多不足。因此，建立能有效预测 BRCA 诊断和预后的风险模型迫在眉睫。

与此同时，程序性细胞死亡（Programmed Cell Death，PCD）作为一种在生理条件下启动的严格调控的细胞死亡方式，一直备受关注。近年来，PANoptosis 作为 PCD 的新型类型，逐渐走进人们的视野。它是一种炎症性细胞死亡，激活了 PCD 的三条主要途径：坏死性凋亡、焦亡和凋亡 。过去，人们普遍认为这三种途径是独立运作的，但随着研究的深入，越来越多的证据表明，PANoptosome 通过多蛋白复合物驱动这些过程之间的相互作用和共同调节。PANoptosis 不仅与感染性疾病有关，还参与包括 BRCA 在内的多种癌症的发生发展过程。不过，目前针对 PANoptosis 在 BRCA 中作用的研究相对较少，急需进一步深入探索。

为了攻克这些难题，青岛大学附属青岛医院（青岛大学康复科学与技术学院附属医院）的 Juanjuan Cui、Dapeng Wu、Da Lv 等研究人员开展了一项意义重大的研究。他们的研究成果发表在《Discover Oncology》上，为乳腺癌的研究和治疗开辟了新的道路。

研究人员为了开展此项研究，运用了多种关键技术方法。首先，从公共数据库获取数据，如利用 TCGA GDC API 下载 TCGA-BRCA 的 RNA 测序数据，从 GEO 数据库获取 scRNA-seq 数据和 RNA 测序数据及临床信息 。然后，对数据进行预处理，包括去除无临床随访信息的样本、转换基因标识符、数据标准化等。接着，使用加权基因共表达网络分析（Weighted gene co-expression network analysis，WGCNA）筛选 PANoptosis 相关模块基因，再通过单变量 Cox 回归、LASSO 回归和逐步多元回归分析确定生物标志物，构建风险模型。此外，还进行体外实验（细胞培养、转染、qRT-PCR、细胞迁移和侵袭实验）验证生物标志物，运用多种算法和软件包分析免疫微环境和药物敏感性 。

下面来看看具体的研究结果：

1. PANoptosis 相关基因模块的识别：研究发现，82.8%（53/64）的 PANoptosis 相关基因在 BRCA 和正常样本间存在显著差异表达 。癌症样本组的 PANoptosis 相关得分（PANoptosis related score，PRS）明显高于正常样本组。通过 WGCNA 分析，确定了 9 个模块，其中品红色模块与 PANoptosis 特征相关性最高，包含 884 个基因，756 个基因与 PANoptosis 高度相关。
2. 临床预后模型的开发与验证：对上述 756 个基因进一步筛选，经单变量 Cox 回归分析筛选出 194 个对预后有显著影响的基因，再通过 Lasso 回归，在 λ=0.0103 时，选定 15 个基因。最后经逐步多元回归分析，确定 8 个生物标志物（ACY3、CD83、CXCL13、KLHDC7B、NR1H3、SMCO4、TRPM2 和 UPP1） 。基于这些生物标志物建立风险模型，在 TCGA-BRCA 数据集和 GSE20685 验证队列中进行验证，结果显示高风险组患者生存率明显低于低风险组，且模型有较好的预测能力。
3. 生物标志物的体外验证实验：通过体外实验发现，ACY3、CXCL13、KLHDC7B、SMCO4、TRPM2 和 UPP1 在 BRCA 细胞 MB231 中的表达水平显著高于正常乳腺上皮细胞 MCF-10A，而 CD83 和 NR1H3 的表达则相反。沉默 TRPM2 基因可降低 BRCA 细胞的迁移和侵袭能力。
4. 列线图的构建与模型性能评估：经单变量和多变量 Cox 回归分析表明，RiskScore 是 BRCA 预后的重要因素。整合临床变量和 RiskScore 构建列线图，校准曲线和决策曲线分析（Decision curve analysis，DCA）显示列线图预测能力良好。
5. 富集分析：对高、低风险组差异基因进行 KEGG 和 GO-BP 富集分析，发现高风险组中与细胞骨架、细胞外基质（Extracellular matrix，ECM）- 受体相互作用、氧化磷酸化（Oxidative phosphorylation，OXPHOS）等代谢途径相关的通路显著富集。
6. 免疫微环境和药物敏感性研究：分析发现，高风险组患者多数免疫细胞（如活化的 CD4/CD8 T 细胞、巨噬细胞等）的浸润能力显著低于低风险组。此外，确定了 13 种与 RiskScore 显著相关的药物。
7. scRNA-seq 分析：对 scRNA-seq 数据进行处理和分析，将细胞分为 6 种主要亚群，包括成纤维细胞、内皮细胞、巨噬细胞等。巨噬细胞的 PANoptosis 得分较高，且多个生物标志物在巨噬细胞中高表达。

在研究结论和讨论部分，研究人员通过一系列研究，成功识别出 8 个与 PANoptosis 相关的生物标志物，并建立了可靠的风险模型。这一模型为 BRCA 的预后预测提供了有力工具，也为个性化治疗提供了潜在的科学依据。同时，研究发现代谢相关途径在高风险 BRCA 患者群体中显著激活，暗示代谢重编程在促进高风险 BRCA 发展中可能起着关键作用。此外，巨噬细胞在 BRCA 进展中的潜在作用也得到进一步凸显，其高 PANoptosis 得分和多个关键生物标志物基因的过表达，表明巨噬细胞相关的细胞死亡途径与肿瘤生长之间可能存在联系。

不过，该研究也存在一些局限性。一方面，数据集可能受到样本量、患者群体多样性和数据收集偏差等因素影响，限制了研究结果的普遍性和准确性。另一方面，研究缺乏对药物的实验验证，药物敏感性分析结果需在实际临床环境中进一步验证。未来的研究应扩大数据样本量，涵盖更多地区、种族和疾病阶段的 BRCA 患者，增强研究结果的代表性和适用性。同时，还应整合更多实验，包括细胞培养、动物模型和临床试验，深入探究 PANoptosis 相关基因在 BRCA 发展中的具体机制，以及这些基因对患者免疫反应和药物敏感性的影响。

总的来说，这项研究为乳腺癌的研究和治疗带来了新的曙光，虽然存在一些不足，但为后续研究指明了方向，有望推动乳腺癌治疗领域取得更大的突破。