肺腺癌厚壁菌门相关宿主基因特征及预后模型构建

摘要

目的：肺腺癌（lung adenocarcinoma, LUAD）的高复发性与耐药性与其肿瘤微环境（tumor microenvironment,TME）的异质性密切相关。近期研究表明，LUAD瘤内微生物群[如厚壁菌门（Firmicutes）]可通过代谢产物（如丁酸盐）调控宿主基因表达及免疫应答，进而影响肿瘤进展。然而，厚壁菌门与宿主基因相互作用的分子特征及其临床预后价值尚未被系统阐明。本研究拟基于细菌转录图谱（Bacteria in Cancer,BIC）数据库的细菌-宿主基因网络，整合癌症基因组图谱（The Cancer Genome Atlas,TCGA）的转录组测序数据，旨在解析LUAD中厚壁菌门相关宿主基因特征，并构建整合微生物-宿主相互作用特征的预后模型，以指导精准风险分层及靶向治疗。方法：从BIC数据库筛选LUAD中与厚壁菌门显著相关的基因，并从TCGA数据库中获取LUAD队列的转录组数据及临床信息。结合10种机器学习算法组合筛选预后模型，采用Kaplan-Meier分析、受试者操作特征（receiver operating characteristic, ROC）曲线验证预后模型，并使用最小绝对收缩和选择算子（least absolute shrinkage and selection operator,LASSO）-Cox回归优化预后模型并计算风险评分。采用单因素和多因素Cox回归分析评估优化预后模型风险评分的预后价值。通过基因本体论（Gene Ontology,GO）和京都基因与基因组百科全书（Kyoto Encyclopedia of Genes and Genomes,KEGG）对高、低风险组的差异表达基因进行功能富集分析；通过免疫浸润分析探索相关分子机制和免疫景观。结果：LUAD患者可划分为2种厚壁菌门相关的亚型，且其预后存在显著差异（P=0.010）。结合10种机器学习算法构建的预后模型组合为StepCox[forward]+梯度提升机（gradient boosting machines,GBM），其在训练集和测试集的一致性指数（consistency index,C-index）分别为0.78和0.64。基于预后模型计算得到的风险值将患者划分为低风险组和高风险组，Kaplan-Meier生存分析显示：高风险组患者的总生存期显著短于低风险组[训练集：风险比（hazard ratio,HR）=5.579,95%置信区间（confidence interval,CI）3.925～7.930,P<0.001；测试集：HR=1.991,95%CI1.170～3.387,P=0.011]。ROC曲线表明：预后模型在训练集与测试集中预测1、2、3和5年生存率的曲线下面积（area under the curve,AUC）值分别为0.772和0.718,0.815和0.739,0.830和0.596,0.851和0.530，展现出良好的预测性能。经LASSO-Cox回归优化后进一步得到8个基因的优化预后模型。单因素和多因素Cox回归分析均显示：优化预后模型的风险评分与患者死亡风险呈显著正相关（均P<0.05）。GO和KEGG分析均显示高、低风险组在细胞周期调控相关通路方面存在显著差异（均P<0.05）。免疫浸润分析显示记忆CD4⁺T细胞、幼稚B细胞、浆细胞、静息肥大细胞、静息树突状细胞在高风险组的浸润比例均显著低于低风险组（均P<0.05），提示细菌感染可能通过调节免疫反应影响预后。结论：基于厚壁菌门相关宿主基因构建的预后模型可以很好地预测LUAD患者的预后情况，为LUAD患者的个性化治疗提供了新的策略。

关键词

肺腺癌 / 厚壁菌门 / 预后模型 / 免疫细胞浸润 / 机器学习