机器学习揭示PYGM作为直肠癌预后中巨噬细胞极化相关的代谢生物标志物

这篇研究通过整合加权基因共表达网络分析（WGCNA）与多种机器学习算法（LASSO、SVM-RFE、RF、XGBoost），构建了巨噬细胞极化基因特征（MPGS），并验证其作为直肠癌（READ）预后模型的稳健性。核心代谢基因PYGM被首次揭示为调控M2巨噬细胞浸润和免疫抑制微环境的关键分子，通过单细胞测序和功能实验证实其促进肿瘤增殖、迁移及M2极化，为直肠癌的精准治疗提供了新型生物标志物和潜在靶点。

　　

背景

巨噬细胞极化在塑造肿瘤微环境（TME）和影响直肠癌进展中起关键作用，但其代谢与预后调控机制尚不明确。研究团队通过整合GSE87211（363例）和TCGA-READ（177例）数据集，结合机器学习算法，旨在揭示巨噬细胞极化相关的核心代谢调控因子。

方法

研究采用多组学策略：

1. 数据整合：从GEO和TCGA获取直肠癌转录组数据，通过WGCNA构建共表达网络，识别与临床特征相关的基因模块。

2. 特征筛选：联合差异表达分析（DEGs）、生存分析和四种机器学习算法（LASSO、SVM-RFE、RF、XGBoost），从10,598个巨噬细胞极化相关基因（MPGs）中筛选出核心基因。

3. 模型构建：基于多变量Cox回归建立巨噬细胞极化基因特征（MPGS），公式为：风险评分=0.33082×PYGM+0.43159×TIMP1+0.54156×MAOB。

4. 实验验证：通过免疫组化（IHC）、Western blot、qRT-PCR验证PYGM在临床样本中的表达；利用Transwell、EDU、流式细胞术等功能实验探究PYGM对肿瘤细胞增殖、迁移及M2巨噬细胞极化的影响。

结果

1. 预后模型：MPGS在训练集（GSE87211）和验证集（TCGA-READ）中均显著区分患者生存（p<0.001），且独立于TNM分期（HR=2.41, p=0.003）。

2. 免疫微环境：高风险组富集M2巨噬细胞（CIBERSORT, p<0.01）且TIDE评分更高（p<0.05），提示免疫治疗耐药性。

3. 代谢调控：单细胞测序显示PYGM^high恶性上皮细胞与M2巨噬细胞密切互作，并激活糖酵解和氧化磷酸化通路（NES>1.5, FDR<0.05）。

4. 功能机制：PYGM敲减抑制SW620细胞迁移（Transwell, p<0.01），而过表达促进HCT116增殖（EDU, p<0.001）；共培养实验证实PYGM上调CD206⁺/CD301⁺ M2巨噬细胞比例（流式, p<0.01）。

讨论

PYGM作为糖原磷酸化酶，首次被揭示通过代谢-免疫轴驱动直肠癌进展：

• 临床意义：PYGM高表达与晚期T分期（p=0.03）和男性患者（p=0.009）显著相关，且在多癌种（如BLCA、COAD）中泛癌预后价值突出。

• 机制创新：不同于已知的脂代谢调控（如SREBP/CD36），PYGM通过糖原分解重塑TME代谢底物供应，促进M2极化（Arg1⁺/IL-10⁺）。

• 转化潜力：MPGS可预测化疗药物敏感性（如Cytarabine, IC50差异2.3倍），并为免疫检查点抑制剂（ICI）疗效提供分层依据。

结论

该研究首次确立PYGM为直肠癌中连接代谢重编程与免疫抑制的关键分子，MPGS模型为预后评估和个体化治疗决策提供了新工具。未来需进一步探索PYGM调控巨噬细胞极化的具体通路（如AMPK/mTOR）及其在靶向治疗中的应用潜力。