《npj Precision Oncology》：Causal inference of glucocorticoid signaling in non-small cell lung cancer: integrating Mendelian randomization, single-cell transcriptomics, and imaging data
编辑推荐：
为解决糖皮质激素相关基因（GRGs）与非小细胞肺癌（NSCLC）的因果关联及机制不明的问题，本研究整合孟德尔随机化（MR）、单细胞转录组、多组学与影像学数据，首次系统阐明了GRGs通过调节M2巨噬细胞功能影响NSCLC风险的潜在因果关系，并构建了基于MRPS7/IQGAP1/EXOC2、M2巨噬细胞丰度、临床参数与影像组学特征的多组学Cox预后风险模型，其1-5年生存预测AUC达0.7-0.9，为NSCLC精准预后提供了新型生物标志物与潜在机制。
肺癌，尤其是非小细胞肺癌（Non-Small Cell Lung Cancer, NSCLC），是全球癌症相关死亡的主要原因之一。尽管免疫治疗等新兴疗法取得了进展，但患者的预后仍存在巨大差异，精准的预后预测和有效的治疗靶点仍是临床面临的严峻挑战。近年来，肿瘤微环境（Tumor Microenvironment, TME）在肿瘤发生、发展和免疫逃逸中的作用日益受到重视。其中，糖皮质激素（Glucocorticoids）作为一类重要的应激激素和免疫调节剂，其信号通路相关基因（Glucocorticoid-Related Genes, GRGs）被推测可能通过调控肿瘤微环境，特别是免疫细胞的功能，来促进肿瘤的免疫逃逸。然而，GRGs与NSCLC风险之间是否存在真正的因果关联，其具体作用机制是什么，以及能否作为可靠的预后生物标志物，这些问题此前均不甚明了。为了回答这些科学问题，一项整合了多种前沿分析技术的研究应运而生，并发表于《npj Precision Oncology》期刊。该研究旨在系统性地探究GRGs与NSCLC之间的因果关系，揭示其潜在的细胞机制，并最终构建一个稳健的多组学预后预测模型。
为开展此项研究，作者团队运用了多项关键技术：首先，基于GTEx和eQTLGen数据库的顺式表达数量性状位点（cis-eQTL）数据，进行了孟德尔随机化（Mendelian Randomization, MR）分析，并结合汇总数据孟德尔随机化（Summary-data-based Mendelian Randomization, SMR）与贝叶斯共定位（Bayesian colocalization）分析，以推断GRGs与NSCLC的因果关系。其次，利用癌症基因组图谱（The Cancer Genome Atlas, TCGA）的转录组数据验证核心GRGs的表达差异。第三，通过单细胞转录组学（single-cell transcriptomics）分析，比较了NSCLC组织与癌旁正常组织中不同细胞类型的GRGs模块评分。第四，使用MuSiC算法（cell-type identification by estimating relative subsets of RNA transcripts）从批量转录组数据中估算M2巨噬细胞等特定细胞类型的丰度。第五，基于nnU-Net深度学习模型对医学影像进行自动分割，从中提取定量的影像组学（radiomics）特征。最后，通过组织微阵列（Tissue Microarray, TMA）和细胞功能实验对关键基因进行验证。
研究结果
1. 孟德尔随机化鉴定出与NSCLC有因果关联的GRGs
通过整合来自GTEx和eQTLGen数据库的cis-eQTL数据，研究团队进行了两样本孟德尔随机化分析。为了确保发现的稳健性，他们进一步结合了SMR分析和贝叶斯共定位分析。这一系列分析成功地筛选出了一组与NSCLC风险存在显著因果关联的糖皮质激素相关基因。随后，利用TCGA中NSCL*C患者的转录组数据进行分析，验证了这些核心GRGs在肿瘤组织与正常组织之间存在差异表达，为后续深入研究奠定了基础。
2. 单细胞转录组学揭示GRGs在M2巨噬细胞中特异性高表达
为了探究这些因果关联基因在肿瘤微环境中的细胞来源和功能，研究者对NSCLC组织进行了单细胞转录组测序分析。通过计算不同细胞类型中GRGs的细胞模块评分，他们有了一个关键发现：与癌旁正常组织相比，NSCLC肿瘤组织中的M2型巨噬细胞（一种通常具有免疫抑制和促肿瘤功能的巨噬细胞亚型）其GRGs模块评分显著升高。这表明，GRGs可能主要在M2巨噬细胞中活跃，并通过调节该细胞亚型的功能来影响N2SCLC的进程。为了在更大的样本队列中验证这一发现，研究采用MuSiC算法对批量转录组数据集（TCGA）进行细胞类型反卷积，定量估计了M2巨噬细胞在肿瘤中的丰度，进一步确认了其与GRGs表达及患者预后的关联。
3. 构建并验证整合多组学特征的Cox预后风险模型
基于上述发现，研究团队旨在构建一个能够精准预测NSCLC患者预后的模型。他们整合了三个关键的交叉基因（MRPS7, IQGAP1, EXOC2）、估算的M2巨噬细胞丰度、患者的临床参数以及从医学影像中提取的影像组学特征。利用这些多组学数据，他们建立了一个Cox比例风险回归模型。在训练队列中，该模型对患者1年生存期的预测表现优异，受试者工作特征曲线下面积（Area Under the Curve, AUC）大于0.9。更重要的是，在独立的测试队列中，该模型对于1年至5年的生存预测均保持了稳健的性能，AUC值在0.7到0.9之间。这表明所构建的多组学预后风险模型具有强大的预测能力和良好的泛化性。
4. 实验验证MRPS7在NSCLC中的促癌功能
为了从分子机制上深入探索，研究选择了一个关键基因MRPS7进行实验验证。通过NSCLC组织微阵列进行免疫组化分析，发现在NSCLC组织和细胞系中，MRPS7蛋白均存在异常的过表达。进一步的细胞功能实验表明，MRPS7在NSCLC的进展中扮演着潜在的角色，其表达能促进肿瘤细胞的恶性表型。这为多组学模型中MRPS7作为重要预后因子提供了直接的生物学功能支持。
研究结论与意义
本研究首次系统地阐明了糖皮质激素相关基因与非小细胞肺癌风险之间潜在的因果关系。研究指出，这种关联很可能是通过调节肿瘤微环境中M2巨噬细胞的功能来介导的。通过整合孟德尔随机化、单细胞转录组学、批量转录组反卷积、临床信息与影像组学等多维度数据，研究不仅揭示了GRGs（特别是MRPS7）在NSCLC中的新机制，还成功构建并验证了一个高性能的多组学预后风险预测模型。该模型在独立队列中对于长期生存（1-5年）均表现出稳定的预测能力。研究的核心结论在于：GRGs-M2巨噬细胞轴是影响NSCLC发生发展的重要通路；其中，MRPS7/IQGAP1/EXOC2等基因与M2巨噬细胞丰度、影像特征等指标整合后，能显著提升预后预测的精度。这项工作的意义重大，它为NSCLC的精准医疗提供了新的视角和工具：一方面，发现了潜在的、可用于预后评估和风险分层的新型生物标志物组合；另一方面，揭示了糖皮质激素信号通过肿瘤免疫微环境影响肺癌的新机制，为未来开发针对该通路的治疗策略提供了理论依据。最终，这种多组学整合的研究范式，也为其他复杂疾病的因果推断与精准预后研究提供了可借鉴的路线图。
