单细胞测序与机器学习揭示二噁英互作基因在肝细胞癌预后及免疫微环境中的关键作用

　　本研究针对二噁英暴露与肝细胞癌（HCC）进展的分子机制不明问题，通过整合单细胞测序、机器学习及分子对接技术，鉴定出13个二噁英互作差异表达基因（DI-DEGs），构建了可预测患者预后的风险模型。研究发现高风险组呈现细胞周期激活和免疫逃逸特征，而低风险组代谢稳定且免疫应答活跃，为环境致癌物驱动的HCC个体化治疗提供了新靶点。

　　

二噁英作为持久性环境污染物，虽在环境中浓度极低，却通过食物链在人体脂肪组织中长期蓄积，其致癌性已被国际癌症研究机构（IARC）确认。然而，二噁英如何驱动肝细胞癌（HCC）这一全球癌症死亡第三大病因的分子机制仍不明确。HCC患者中，超过半数面临术后复发困境，现有治疗方案对晚期患者效果有限，亟需揭示环境致癌物与肿瘤进展的关联机制，并开发精准预后工具。

来自河南的研究团队在《Ecotoxicology and Environmental Safety》发表研究，整合TCGA、GEO和ICGC数据库的转录组数据，结合单细胞测序（GSE149614）和10种机器学习算法，筛选出4779个二噁英互作基因，最终锁定13个关键DI-DEGs（如UCK2、NCAPG、BDH1）。通过分子对接验证二噁英与靶蛋白结合活性，并利用CCK-8、Transwell实验验证二噁英对HCC细胞（Lm3/SNU387）增殖迁移的促进作用。

研究结果

3.1 DI-DEGs的鉴定与分析
通过差异表达分析发现3833个HCC相关基因，PPI网络揭示TP53、JUN等核心节点。RSF模型筛选出24个预后相关DI-DEGs，其中13个被ENET算法纳入风险模型（如UCK2系数0.1312，BDH1系数-0.0381）。

3.2 机器学习驱动的DI-DEGs筛选
弹性网络回归（ENET）以最高C-index（0.72）成为最优算法。染色体定位显示DI-DEGs多分布于1q21（KIF20A）、17q25（TPX2）等区域，CNV分析提示UCK2扩增与CDC20缺失频发。

3.3 基于DI-DEGs的共识聚类
k=2时患者分为C1（高增殖）和C2（高代谢）亚型。C1组TIDE评分升高（P<0.001），预示免疫治疗耐药；C2组干扰素信号活跃（Type_II_IFN_Response, P<0.01）。

3.4 风险模型构建
高风险组5年生存率仅28%（低风险组61%，P<0.001）。GSVA显示高风险组富集细胞周期通路（P<0.001），低风险组激活胆汁酸代谢（P=0.003）。

3.5 免疫特征与治疗异质性
单细胞解析发现高风险组DC_2细胞占比增加3.2倍（P<0.01），CellChat揭示其与巨噬细胞的促瘤互作。药敏预测显示高风险组对索拉非尼敏感（IC₅₀
2.1 μM），低风险组更适合奥沙利铂（IC₅₀
差异达47%）。

3.7 单细胞微环境解析
内皮细胞中RAMP3表达上调4.8倍（P<0.001），与血管生成相关。分子对接证实二噁英与KIF20A结合能达-8.9 kcal/mol，可能干扰有丝分裂。

结论与意义
该研究首次建立环境污染物与HCC的分子桥梁，证实二噁英通过调控DI-DEGs（如CDC20、BDH1）驱动肿瘤恶性进展。风险模型整合了免疫微环境异质性特征，为个体化治疗提供新策略：高风险患者可能受益于细胞周期靶向药，而低风险患者更适合代谢调节疗法。研究局限性在于未验证AhR通路对DI-DEGs的直接调控，未来需通过类器官模型和污染物多组学联合分析深化机制探索。