Developing a machine learning-based prognosis and immunotherapeutic response signature in colorectal cancer: insights from ferroptosis, fatty acid dynamics, and the tumor microenvironment
医学 2区，IF:5.7
摘要
背景：结直肠癌（Colorectal cancer，CRC）作为全球范围内常见的恶性肿瘤之一，其高发病率和潜在的致死性对公共卫生构成了严峻挑战。瘤微环境（TME）在CRC发生、发展及治疗反应中具有关键作用，但CRC患者TME中铁蛋白沉积与脂肪酸代谢之间的尚未完全阐明。
目的：探讨CRC患者肿瘤微环境（TME）中铁蛋白沉积和脂肪酸代谢之间的关系，以确定这些相互作用如何影响预后和免疫疗法的效果。
方法：利用癌症基因组图谱（The Cancer Genome Atlas，TCGA）和基因表达总库（Gene Expression Omnibus，GEO）等多个队列的数据集开展多组学研究，以揭示CRC中铁蛋白沉积调节因子与脂肪酸代谢之间的关系。通过无监督聚类，并结合免疫细胞浸润和通路分析对其进行了进一步研究。利用机器学习算法组合创建的预后模型（FeFAMscore），并评估了其对患者预后和治疗反应性的预测能力。利用RT-PCR技术确认了FeFAMscore特征表达水平。
结果：研究发现了三个不同的患者集群，其预后和免疫细胞浸润各不相同。与现有模型相比，FeFAMscore的预后准确性更高，它还对免疫疗法和化疗有反应，表明高FeFAMscore患者对特殊疗法（如抗PD-1、抗CTLA4、奥西美替尼）有敏感反应。
结论：铁蛋白沉积调节因子和脂肪酸代谢相关基因不仅能增强免疫激活，还有助于免疫逃逸。因此，作为一种新型预后工具，FeFAMscore有望预测CRC患者的预后和免疫治疗策略的疗效。
figure1：
(A)TCGA中33种癌症中FeFAM调节器的突变频率；(B) CRC中FeFAM调节因子的PCA；(C) 散点图显示了FeFAM调节因子的spearmen相关性；(D) 火山图显示了CRC中不同的FeFAM调节因子；(E) KEGG和GO对50个OS相关FeFAM调节因子的分析；(F) 网络显示了CRC中FeFAM调节因子之间的相互作用；(G) k=3时所有样本的共识得分矩阵；(H) 每个k的共识矩阵的CDF曲线（用颜色表示）；(I)主成分（PC）分析显示，来自训练队列的三种FeFAM模式之间存在显著差异（n=1029）；(J)基于训练队列中CRC患者的三种FeFAM模式的Kaplan-Meier生存曲线；(K) 该箱线图显示了三种FeFAM模式中FeFAM相关基因的表达变化。顶部代表费舍尔的精确测试。下半部分表示Wilcoxon秩和检验***p<0.001。FeFAM、铁中毒和脂肪酸代谢调节剂。
figure2
(A)不同FeFAM簇中免疫浸润细胞的特征；(B) 不同FeFAM调节因子对免疫浸润细胞的影响；(C-J) 方框图显示CAF（C）、IFNG（D）、Dyfunction（E）、Exclusion（F）、TIDE（G）、PD-L1（H）、MDSC（I）和CTL.score（J）存在显著差异；(K) 三种FeFAM亚型之间的癌症相关、免疫相关和代谢相关途径。*p<0.05，**p<0.01，***p<0.001，ns，不显著。FeFAM、铁中毒和脂肪酸代谢调节剂。
figure3
(A)四个验证队列中50种机器学习方法的最高C指数；(B) 热图显示了三种FeFAM表型、临床病理特征、coef值与训练队列中FeFAM相关基因表达变异之间的关系；(C-H) 根据Train队列中FeFAM评分的OS Kaplan-Meier曲线（时序检验：p<0.001）（C）GSE17536（对数秩检验：p<0.001）（D）GSE17537（对数秩检验：p=0.003）（E）GSE29621（对数秩检验：p=0.007）（F）GSE38832（对数秩检验：p<0.001）（G）元队列（对数秩检验：p<0.001）（H）；(I) 冲积图显示了FeFAM簇和FeFAM评分的相关性。***p<0.001。FeFAM、铁中毒和脂肪酸代谢调节剂。
figure4
(A)用于预测训练队列中1、3和5年OS的时间依赖ROC分析（n=1029）、GSE17536（n=177）、GSE1 7537（n=55）、GSE29621（n=65）和GSE38832（n=122）；(B) 所有数据集的FeFAMscore的C指数；(C-G) 将FeFAM评分与其他临床变量在预测预后方面的表现进行比较。列车（C）、GSE17536（D）、GSE17537（E）、GSE29621（F）和GSE38832（G）；(H-K) FeFAMscore的C-指数和GSE17536（H）、GSE17537（I）、GSE29621（J）和GSE38832（K）。***p<0.001。FeFAM、铁中毒和脂肪酸代谢调节剂。
figure5
(A-B) NCM460细胞、HCT116细胞和CACO2细胞之间ACAA2、DDR2、SLC22A5、PPP1R13L、AADAT和ACSF2表达水平的比较；(C) ACAA2在HCT116细胞和CACO2中的敲除效率；(D) 代表性蛋白质印迹检测了HCT116和CACO2细胞系ACAA2下调后ACAA2蛋白水平的表达；(E-F) CCK8检测在HCT116（E）和CACO2（F）细胞系中ACAA2表达降低后的细胞存活率；(G) ACAA2的敲除显著减少了HCT116和CACO2细胞系中的克隆数量；(H) transwell检测ACAA2表达降低后HCT116和CACO2细胞的迁移能力；(I-J) HCT116（I）和CACO2（J）细胞经孔检测中相对迁移率数量的量化结果。***p<0.001，ns，不显著。
figure6
(A-B) 显示低（A）和高（B）FeFAM评分组常见遗传改变的视觉摘要；(C-D) 低（C）和高（D）FeFAMscore组中基因突变的相互作用效应；(E) 结直肠癌患者森林样地基因突变；(F) 低和高FeFAM评分组的TMB；(G) 使用Kaplan-Meier曲线通过FeFAM评分和TMB测量CRC患者的生存分析。*p<0.05，ns，不显著。FeFAM、铁中毒和脂肪酸代谢调节剂。
Figure7
(A-F) 方框图显示TIDE（A）、CTL.score（B）、Dyfunction（C）、Exclusion（D）、MDSC（E）、PD-L1（F）存在显著差异；(G) 子图算法预测高和低FeFAM评分组中抗PD1和抗CTLA4免疫治疗反应的概率；(H-J) Kaplan-Meier曲线显示，IMVgior210队列（H）、Braun（I）和PRJNA23709（J）中FeFAM评分高组和低组的存活率存在显著差异；(K-M) IMVgior210队列（K）、Braun（L）和PRJNA23709（M）中FeFAM评分变异的Wilcoxon秩和检验；(N-P) 堆叠直方图显示了IMVgior210队列（N）、Braun（O）和PRJNA23709（P）中高和低FeFAMscore组之间的免疫治疗反应性差异。FeFAM、铁下垂和脂肪酸代谢调节剂。*p<0.05，**p<0.01，***p<0.001，ns：不显著。