《Journal of Hepatocellular Carcinoma》：Analyses of the Coexpression of Lactate Metabolism- and Ferroptosis-Related Genes in Hepatocellular Carcinoma
編輯推薦：
本研究通過整合多組學數據，首次系統揭示了肝癌（HCC）中乳酸代謝相關基因（LMRGs）與鐵死亡相關基因（FRGs）的共表達網絡及交互作用。研究構建了基于10個關鍵基因（如TRMU、POLG2）的預后風險模型，驗證其可有效預測患者生存、免疫微環境特征及藥物敏感性。進一步實驗證實，關鍵乳酸代謝基因TRMU在肝癌中高表達，其敲低可通過升高MDA、耗竭GSH誘導氧化應激與鐵死亡，抑制肝癌細胞增殖遷移。該研究為肝癌的預后評估及靶向乳酸代謝-鐵死亡軸的治療提供了新思路。
文章內容歸納總結
引言
肝細胞癌（HCC）是全球最常見且致命的惡性腫瘤之一。手術切除是標準治療手段，但對晚期患者，索拉非尼等藥物常被使用，而索拉非尼已被證實可誘導鐵死亡。鐵死亡是一種受調控的、鐵依賴性的細胞死亡形式，其特征是谷胱甘肽（GSH）耗竭和脂質過氧化水平升高。許多細胞代謝通路控制著這種由活性氧（ROS）驅動的死亡形式，包括鐵處理、氧化還原穩態、線粒體功能以及糖、脂、氨基酸代謝。與此同時，腫瘤細胞通過“瓦博格效應”，即使在氧氣充足條件下也大量消耗葡萄糖進行糖酵解，導致乳酸生成增加。乳酸不再被視為單純的代謝廢物，最新證據表明它能調節腫瘤的發生、進展和轉移，并且乳酸富集的肝癌細胞對鐵死亡表現出高度抵抗性。鑒于鐵死亡的特征是高ROS和脂質過氧化，而乳酸能減少ROS產生，這提示乳酸代謝與鐵死亡在HCC中存在潛在的重要聯系。然而，兩者間精確的生物學交互作用尚未被詳細研究。
方法
本研究從癌癥基因組圖譜（TCGA）數據庫下載HCC患者的臨床和表達數據作為發現隊列，并從基因表達綜合數據庫（GEO）下載獨立數據集GSE76427作為驗證隊列。從分子特征數據庫（MSigDB）獲取鐵死亡相關基因（FRGs）和乳酸代謝相關基因（LMRGs）。使用R語言“limma”包進行差異表達基因（DEG）分析（調整后p值<0.05，倍數變化|FC|>2）。通過基因本體論（GO）、京都基因與基因組百科全書（KEGG）和Reactome通路進行功能富集分析。利用ConsensusClusterPlus R包對患者進行無監督層次聚類。通過加權基因共表達網絡分析（WGCNA）研究FRGs與LMRGs之間的關聯，并篩選與總生存期（OS）相關的風險基因。使用最小絕對收縮和選擇算子（LASSO）回歸和Cox比例風險回歸進一步篩選特征基因，構建預后風險模型，并根據中位風險評分將患者分為高、低風險組。使用CIBERSORT和ESTIMATE算法評估免疫浸潤特征。通過R包pRRophetic預測藥物敏感性。在細胞實驗中，利用qRT-PCR和免疫組化（IHC）檢測TRMU表達，通過siRNA敲低TRMU，并采用CCK-8、傷口愈合、EdU攝取實驗評估細胞增殖遷移，同時測定丙二醛（MDA）和谷胱甘肽（GSH）水平。
結果
1. 差異表達的FRG和LMRG的鑒定
差異表達分析識別出在HCC腫瘤組織中相較于正常組織顯著上調和下調的基因。其中包括37個上調、25個下調的FRG，以及14個上調、14個下調的LMRG。基于FRG和LMRG的表達譜，通過共識聚類將HCC患者分為4個不同的亞組。這些亞組在基因表達譜、臨床特征等方面表現出顯著的異質性。
2. FRG與LMRG功能交互作用分析
GO、KEGG和Reactome富集分析表明，這些差異表達的FRG和LMRG共同參與了細胞氧化劑解毒、活性氧（ROS）調控、對營養物質和有毒物質的反應等生物過程。KEGG通路分析顯示它們與癌癥中的中央碳代謝、花生四烯酸/脂肪酸代謝以及ROS通路密切相關。
3. 預后LMRG和FRG的識別與風險模型建立
通過WGCNA和LASSO回歸，最終篩選出10個與生存顯著相關的基因：POLG2、TRMU、TMEM81、YJEFN3（與較差生存正相關，風險基因），以及SPAG4、RPS6KA6、DPYSL4、RDH8、CBLN1、C1QB（與較好生存負相關，保護基因）�；谶@10個基因的表達及Cox回歸系數構建風險評分模型。根據中位風險評分將患者分為高、低風險組，Kaplan-Meier生存曲線顯示高風險組患者總生存期顯著更短。該模型在獨立驗證隊列（GSE76427）中也得到了有效驗證。
4. 不同風險組的基因組與免疫特征
高、低風險組之間存在顯著的基因組變異差異。高風險組表現出更高的基因增益/缺失比率及基因突變頻率（如TP53突變率更高），表明其基因組不穩定性更強。免疫浸潤分析顯示，低風險組普遍具有更高的免疫細胞浸潤水平（如B細胞、T細胞、M1/M2巨噬細胞），而高風險組則富含M0巨噬細胞和調節性T細胞（Tregs），提示其免疫抑制微環境特征。
5. 藥物敏感性預測
藥物敏感性預測顯示，低風險組對9種藥物（如部分化療藥及靶向藥）更敏感，而高風險組則對MEK抑制劑曲美替尼（trametinib）表現出更強的敏感性。這種敏感性與風險基因（特別是POLG2和TRMU）的表達水平相關。
6. 關鍵基因TRMU的功能驗證
TRMU（tRNA線粒體2-硫尿苷酸酶）被確定為在HCC中高表達的LMRG。免疫組化和qRT-PCR證實，TRMU在HCC組織和細胞系中均顯著上調，且其高表達與患者不良預后相關。在MHCC-97H和LM3細胞中敲低TRMU后，細胞增殖和遷移能力受到顯著抑制。同時，敲低TRMU導致氧化應激標志物丙二醛（MDA）水平升高，而鐵死亡抑制物谷胱甘肽（GSH）水平降低，表明TRMU沉默可誘導氧化應激并促進鐵死亡。
討論與結論
本研究首次系統揭示了肝癌中乳酸代謝與鐵死亡通路之間的交互作用。通過生物信息學分析和實驗驗證，構建了一個穩健的10基因預后風險模型，該模型能夠有效預測HCC患者的生存結局、免疫微環境特征及藥物反應。研究發現，乳酸代謝關鍵基因TRMU在HCC中高表達，并通過抑制氧化應激和鐵死亡來促進腫瘤進展。這些結果為理解HCC的代謝重編程和細胞死亡機制提供了新視角，并為開發基于乳酸代謝-鐵死亡軸的預后生物標志物和新型治療策略（如靶向TRMU或使用曲美替尼）奠定了理論基礎。未來的研究需要進一步闡明這兩個通路之間復雜的調控網絡，以推動肝癌的個體化精準治療。
