《Frontiers in Genetics》：Charting the immune terrain: a novel risk model for thyroid cancer prognosis
编辑推荐：
本研究针对甲状腺癌（Thyroid cancer）缺乏有效预后评估体系的问题，构建了一个基于免疫基因（CDK1、B3GNT7、S100A9、MMP9）的预后风险模型。研究人员通过分析180例患者队列，结合TCGA数据库验证，发现这四个基因的高表达是预后不良的独立风险因素，并与肿瘤免疫微环境（B细胞、CD4+/CD8+T细胞浸润减少，中性粒细胞/巨噬细胞浸润增加）显著相关。该模型（AUC=0.880）为临床早期筛选高危患者提供了客观依据，对个体化预后评估和免疫治疗靶点筛选具有重要意义。
甲状腺癌是全球范围内发病率增长最快的恶性肿瘤之一，其中乳头状癌占绝大多数。尽管早期患者预后良好，但仍有部分患者面临复发、转移甚至死亡的风险。如何准确识别出这部分高危人群，是实现精准治疗、改善预后的关键。近年来，肿瘤微环境（Tumor Microenvironment, TME）中免疫细胞的动态浸润及其与基因组特征的相互作用，逐渐成为评估预后的关键生物学指标。然而，现有研究多集中于单个免疫标志物或细胞亚群的分析，缺乏对免疫基因表达谱与免疫浸润异质性的系统性整合，难以建立精准的预后评估模型。为了填补这一空白，一项题为“Charting the immune terrain: a novel risk model for thyroid cancer prognosis”的研究在《Frontiers in Genetics》期刊上发表，致力于探索甲状腺癌免疫景观，构建一个可靠的预后预测工具。
为了回答上述问题，研究人员开展了一项回顾性队列研究。他们纳入了180例于2022年5月至2025年4月期间收治的甲状腺癌患者，根据随访结局分为预后良好组（126例）和预后不良组（54例）。研究采用多步骤策略筛选关键免疫基因，首先从癌症基因组图谱（The Cancer Genome Atlas, TCGA）数据库获取差异表达的免疫相关基因，并结合文献和逻辑回归分析，最终锁定四个核心基因：细胞周期蛋白依赖性激酶1（Cyclin-dependent kinase 1, CDK1）、β-1,3-N-乙酰葡萄糖氨基转移酶7（β-1,3-N-acetylglucosaminyltransferase 7, B3GNT7）、S100钙结合蛋白A9（S100 calcium binding protein A9, S100A9）和基质金属蛋白酶9（Matrix metalloproteinase-9, MMP9）。利用实时荧光定量PCR（qRT-PCR）检测这些基因在肿瘤组织中的表达，并采用免疫组化与流式细胞术定量分析肿瘤组织中B淋巴细胞、CD4+T细胞、CD8+T细胞、中性粒细胞和巨噬细胞的浸润丰度。同时，通过生物信息学方法（如单样本基因集富集分析，ssGSEA）在TCGA公共数据库层面验证基因表达与免疫浸润的相关性。最终，基于二元Logistic回归分析构建了预后预测模型，并通过受试者工作特征曲线（ROC曲线）、校准曲线和Bootstrap重采样法进行内部验证。
研究结果部分揭示了以下几个关键发现：
3.1 临床数据比较
在180例患者中，54例（30.0%）发生了不良预后事件。单因素分析显示，预后不良组患者的年龄>60岁、存在淋巴结转移和包膜侵犯的比例，以及CDK1、B3GNT7、S100A9、MMP9四个基因的表达水平均显著高于预后良好组。
3.2 影响甲状腺癌患者预后的多因素分析
多因素Logistic回归分析在控制了变量间共线性后证实，CDK1、B3GNT7、S100A9和MMP9是影响甲状腺癌患者预后的独立危险因素，而年龄、淋巴结转移和包膜侵袭在多因素分析中未显示为独立影响因素。森林图直观展示了各因素的比值比（Odds Ratio, OR）及其置信区间。
3.3 甲状腺癌患者预后模型的构建与验证
基于上述四个基因，研究构建了预后预测模型，其公式为：[1/(1 + exp (4.125 + 1.250 × CDK1 + 1.880 × B3GNT7 + 0.920 × S100A9 + 1.050 × MMP9))]。该模型显示出优异的区分能力，ROC曲线下面积（Area Under Curve, AUC）为0.880。经过Bootstrap法内部验证，模型的平均一致性指数（C-index）为0.919。校准曲线显示模型预测概率与实际观察概率拟合良好，霍斯默-莱梅肖检验（Hosmer-Lemeshow test）结果不显著，证实了模型具有良好的校准性能。
3.4 不同预后患者肿瘤相关免疫细胞浸润丰度
实验检测发现，与预后良好组相比，预后不良组肿瘤组织中B淋巴细胞、CD4+T淋巴细胞和CD8+T淋巴细胞的浸润丰度显著降低，而中性粒细胞和巨噬细胞的浸润丰度显著升高。柱状图清晰地展示了这一免疫浸润模式的差异。
进一步的生物信息学（ssGSEA）相关分析表明，CDK1、B3GNT7、S100A9和MMP9的mRNA表达水平与B细胞、CD4+T细胞、CD8+T细胞的浸润丰度呈负相关，与中性粒细胞和巨噬细胞的浸润丰度呈正相关。
3.5 利用公共数据库验证免疫基因表达与临床特征的关联
通过对TCGA-THCA数据集的分析，研究验证了CDK1和MMP9在甲状腺癌组织中的表达显著高于正常组织。此外，S100A9和MMP9的高表达与更晚期的淋巴结转移（pN分期）、远处转移（pM分期）和总体TNM分期显著相关，从公共数据库层面支撑了这些基因的临床意义。
结论与讨论部分对全文发现进行了总结与深化。本研究发现CDK1、B3GNT7、S100A9和MMP9是甲状腺癌预后不良的独立风险因素，并成功构建了一个具有高预测效能（AUC=0.880）和良好校准度的预后模型。该模型整合了四个从不同维度参与肿瘤免疫微环境重塑的基因：CDK1通过磷酸化PD-L1介导免疫检查点调控；B3GNT7通过糖基化修饰影响抗原呈递；S100A9募集中性粒细胞塑造炎性微环境；MMP9降解细胞外基质并促进血管新生及巨噬细胞M2型极化。它们的协同作用共同塑造了一个淋巴细胞浸润减少、髓系免疫细胞浸润增加的免疫抑制性微环境，为肿瘤免疫逃逸提供了基础。因此，该模型不仅是一个统计预测工具，更具有明确的免疫生物学机制支撑。在临床应用中，该模型有助于早期识别高危患者，从而指导个体化的随访强度和治疗策略（如更密切的影像学监测或探索性免疫治疗）。研究也指出了自身的局限性，如单中心回顾性设计可能引入选择偏倚，样本来源单一可能限制结果的普适性，且未在TCGA以外的独立数据库中进行充分的外部验证。未来的研究需要通过多中心、前瞻性队列以及纳入更多外部数据来进一步验证和优化该模型，并探索其与现有临床分期系统结合的价值，以期最终推动甲状腺癌的精准医疗和个体化免疫治疗发展。
