TOP2A、BUB1B、CENPF、KIF15和MELK：与肺腺癌（LUAD）衰老相关的关键基因，这些基因与预后及免疫细胞浸润密切相关

《International Journal of Biological Macromolecules》：TOP2A, BUB1B, CENPF, KIF15 and MELK: Key senescence-related genes linked to prognosis and immune infiltration in lung adenocarcinoma senescence-related genes in LUAD

　　肺癌腺癌（LUAD）预后标志物研究：基于衰老相关基因（SRGs）的多组学分析通过WGCNA从TCGA-LUAD数据中识别12个年龄相关基因模块，结合LASSO和SVM-RFE筛选出BUB1B、CENPF、KIF15、MELK、TOP2A五个核心基因，构建的预后模型对临床诊断和免疫微环境（如T细胞/巨噬细胞浸润）具有高预测价值，体外实验显示TOP2A沉默抑制了LUAD细胞迁移侵袭。

　　

赵亚楠|丛丹|曲春静|王正|袁伟强|白远松

吉林大学中日联合医院肿瘤科，中国吉林省长春市，130033

摘要

肺腺癌（LUAD）具有高复发率和不良预后，这突显了需要可靠的预后生物标志物来指导临床管理。衰老细胞在肿瘤发生过程中起着重要作用。本研究旨在识别与LUAD进展和免疫浸润相关的衰老相关基因（SRGs）。通过对TCGA-LUAD数据集进行加权基因共表达网络分析（WGCNA），我们识别出与基因衰老相关的模块。LUAD样本中的衰老评分显著高于对照组。通过将WGCNA衍生的模块基因与差异表达基因（DEGs）进行交集分析，我们获得了146个差异表达的SRGs。随后通过最小绝对收缩和选择算子（LASSO）和支持向量机递归特征消除（SVM-RFE）分析，确定了五个核心基因（BUB1B、CENPF、KIF15、MELK和TOP2A）。基于这些基因构建的诺模图显示了较高的LUAD诊断准确性。这些核心基因的表达与免疫细胞浸润显著相关，包括T细胞群体和巨噬细胞的特定变化。体外实验表明，TOP2A的敲低抑制了LUAD细胞的活力、迁移和侵袭能力。这些发现可能为发现LUAD的预后预测和诊断生物标志物提供理论基础。

引言

肺腺癌（LUAD）是肺癌的主要亚型，仍然是全球癌症相关死亡的主要原因之一。其高转移和复发倾向导致5年生存率较低[1,2]。目前，我们仍然缺乏可靠的分子生物标志物来准确预测LUAD的预后并指导治疗决策[3]。由于从小型活检和细胞学标本中准确分类肺腺癌的挑战，这一点尤为重要[4]。虽然三维计算机断层扫描等成像技术在关联EGFR和ALK状态等分子特征方面显示出潜力[5]，但可靠的分子生物标志物对于补充组织病理学和放射学评估以提高诊断精度仍然至关重要。识别此类生物标志物可以显著改善风险分层和患者生存率。

细胞衰老有助于维持组织稳态并具有肿瘤抑制功能[6,7]，但它们也可以通过衰老相关分泌表型（SASP）[8,9]显著重塑肿瘤微环境（TME）。SASP可以通过损害T/NK细胞功能[10]、招募免疫抑制性髓系细胞[11]以及诱导PD-L1表达以促进化疗耐药性[12,13]等机制，从而悖论性地促进肿瘤进展。由于其在整个致癌过程中的关键作用[14]，SRGs已成为癌症中具有前景的预后生物标志物。目前，LUAD中衰老的免疫相关作用和预后意义尚未完全明了，而且缺乏将衰老相关基因表达与LUAD中的免疫浸润景观相结合的全面分析。

为此，本研究分析了TCGA-LUAD数据中的细胞SRGs，以构建LUAD的多基因诊断模型。与以往仅关注免疫或代谢等单一方面的模型不同，我们的方法针对的是细胞衰老，这一过程与免疫微环境和核心细胞功能密切相关。因此，我们的基于SRG的模型超越了单一途径分析，提供了更全面的肿瘤生物学视角。该模型也经过了可靠性验证，进一步分析阐明了其与免疫景观和调控网络的关联，为LUAD的诊断和治疗策略的开发提供了新的见解。

数据来源

TCGA-LUAD队列的转录组数据（FPKM格式）及其相应的临床信息通过UCSC Xena数据库获取（https://xena.ucsc.edu/）。为确保样本间的可比性，FPKM值被转换为每百万转录本（TPM），这是一种最小化基因长度和总RNA输出偏差的标准化方法。此外，为了提高下游生物分析的可靠性，使用ComBat算法校正了潜在的批次效应。

WGCNA识别出与衰老相关的基因模块

使用949个衰老相关基因作为背景集，通过ssGSEA计算了TCGA-LUAD队列中每个样本的衰老评分。与对照组相比，LUAD样本中的衰老评分显著升高（p = 1.3e-06，图1A）。随后我们进行了WGCNA以识别与衰老相关的基因模块。选择5作为软阈值来构建一个无尺度共表达网络（R² > 0.9，图1B），得到了12个不同的基因模块（minModuleSize = 200）。

讨论

尽管诊断和治疗策略的进步提高了LUAD患者的生活质量，但5年生存率仍然较低[41,42]。虽然细胞衰老对于胚胎发生和组织修复等过程至关重要，但它在癌症中也起着矛盾的作用，既可能通过促进炎症来驱动免疫逃逸，也可能促进免疫介导的肿瘤清除[43,44]。衰老的临床相关性日益受到重视，例如，

结论

总之，本研究结合机器学习和多组学分析，基于五个核心基因（BUB1B、CENPF、KIF15、MELK和TOP2A）建立了LUAD的稳健衰老相关预后特征。该模型在预测患者预后和免疫浸润模式方面表现出高预测准确性。未来的工作应优先在前瞻性队列中进行外部验证，并研究这五个基因在治疗抵抗性和功能中的作用。

缩写

LUAD
肺腺癌
SRGs
衰老相关基因
SVM-RFE
支持向量机递归特征消除
WGCNA
加权基因共表达网络分析
GS
基因显著性
MM
模块归属
DEGs
差异表达基因
CC
细胞组分
MF
分子功能
BP
生物过程
GO
基因本体
KEGG
京都基因与基因组百科全书
KM
Kaplan-Meier
AUC
ROC曲线下面积
DCA
决策曲线分析
LASSO
最小绝对收缩和选择算子
ROC
接收者操作

CRediT作者贡献声明

赵亚楠：撰写——原始草案，概念构思。丛丹：资金获取。曲春静：项目管理，概念构思。王正：撰写——审阅与编辑，数据管理。袁伟强：撰写——审阅与编辑，方法学。白远松：撰写——审阅与编辑，监督。

知情同意

不适用。

伦理声明

不适用。

资助

本工作得到了吉林省自然科学基金 [YDZJ202301ZYTS039]的资助，由白远松负责。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

致谢

无。