肾透明细胞癌中二硫键死亡相关长链非编码RNA的预后模型与免疫响应预测
作者与发表信息
本研究由Kangjie Xu（滨海县人民医院中央实验室）、Dongling Li（滨海县人民医院肾脏内科）等共同完成，通讯作者为Hang Sun（滨海县人民医院泌尿外科）。论文于2024年发表于期刊*Biology Direct*，标题为《Disulfidptosis-associated lncRNA signature predicts prognosis and immune response in kidney renal clear cell carcinoma》，DOI编号10.1186/s13062-024-00517-7。
学术背景
肾透明细胞癌（kidney renal clear cell carcinoma, KIRC）占肾细胞癌（RCC）病例的75%-80%，具有高侵袭性和预后差的特点。尽管免疫检查点抑制剂（ICIs）的应用改善了患者生存率，但耐药性问题突出。二硫键死亡（disulfidptosis）是一种新型程序性细胞死亡方式，由细胞内二硫键异常积累导致细胞骨架蛋白（如肌动蛋白）网络崩溃引发。长链非编码RNA（lncRNA）在肿瘤发生中的作用日益受到关注，但其在KIRC中与二硫键死亡的关联尚未明确。本研究旨在通过机器学习构建二硫键死亡相关lncRNA（DRlncRNAs）的预后模型，探索其在KIRC中的生物学机制和免疫治疗预测价值。
研究流程与实验设计
1. 数据收集与预处理
- 从TCGA数据库获取541例KIRC肿瘤样本和72例癌旁组织的RNA测序数据及临床信息，随机分为训练集（373例）和验证集（159例）。
- 通过文献检索确定10个二硫键死亡相关基因（如SLC7A11），并筛选与其共表达的lncRNA（Pearson相关系数|r|>0.4，p<0.001），共鉴定431个DRlncRNAs。
- 模型构建与验证
- 单变量Cox回归：从431个DRlncRNAs中筛选出86个与KIRC患者总生存期（OS）显著相关的lncRNA。
- LASSO回归：进一步压缩至19个关键lncRNA。
- 多变量Cox回归：最终确定5个核心DRlncRNAs（SPINT1-AS1、AL161782.1、OVCH1-AS1、AC131009.3、AC108673.3）构建风险评分模型。公式为：
风险评分 = SPINT1-AS1×(-0.28) + AL161782.1×(-0.56) + OVCH1-AS1×(-0.76) + AC131009.3×0.47 + AC108673.3×0.43
- 模型验证：通过Kaplan-Meier曲线、ROC曲线（1/3/5年AUC>0.7）和PCA分析验证模型的区分能力。低风险组患者OS和无进展生存期（PFS）显著优于高风险组（p<0.001）。 3. 功能与机制分析
- 富集分析：GO分析显示差异基因（DEGs）富集于体液免疫应答（humoral immune response）和细胞外基质（extracellular matrix）；KEGG通路分析提示补体系统（complement and coagulation cascades）和细胞因子受体互作（cytokine-cytokine receptor interaction）显著相关。
- 免疫微环境：CIBERSORT算法显示低风险组CD4+记忆T细胞和M1巨噬细胞浸润更高，而高风险组调节性T细胞（Tregs）和M0巨噬细胞富集。TIDE评分表明高风险组免疫逃逸倾向更强（p<0.001）。
- 体细胞突变：高风险组肿瘤突变负荷（TMB）更高（p=0.012），且TMB与风险评分联合可进一步分层预后。 4. 实验验证
- qRT-PCR：在KIRC细胞系（786-O、Caki-1）和正常肾细胞（HK-2）中验证5个DRlncRNAs的表达。SPINT1-AS1和AL161782.1在肿瘤中下调，其余三者上调，与TCGA数据一致。 — 主要结果
1. 预后模型：5-DRlncRNA模型可独立预测KIRC患者生存（HR=2.12, p<0.001），其Nomogram整合临床特征后1/3/5年预测校准曲线拟合良好。
2. 免疫特征：低风险组免疫活性更强，对阿昔替尼（axitinib）等靶向药更敏感；高风险组对克唑替尼（crizotinib）响应更佳。
3. 机制线索：DRlncRNAs可能通过调控二硫键死亡相关基因（如SLC7A11）影响肌动蛋白骨架稳定性，进而介导肿瘤免疫逃逸。 — 结论与意义
本研究首次将二硫键死亡与lncRNA结合，构建的5-DRlncRNA模型为KIRC预后提供了新工具，并揭示了DRlncRNAs通过免疫微环境调控肿瘤进展的潜在机制。其科学价值在于：
1. 提出二硫键死亡在KIRC中的新作用靶点；
2. 为免疫治疗耐药性提供潜在解决方案；
3. 通过风险分层指导个体化用药（如高风险组优先选择克唑替尼）。 — 研究亮点
1. 创新性：首次系统分析DRlncRNAs在KIRC中的预后价值，填补了二硫键死亡与lncRNA交叉研究的空白。
2. 方法学：结合机器学习（LASSO-Cox）与多组学分析（转录组+突变谱+免疫浸润），提升了模型鲁棒性。
3. 转化潜力：模型可直接应用于临床风险分层，且筛选的药物敏感性数据为精准治疗提供参考。 局限性：需外部队列验证模型普适性，且DRlncRNAs的具体功能机制有待实验深入。