急性髓系白血病（AML）患者治療反應的異質性對風險評分和治療分層提出了巨大挑戰。碳水化合物代謝在AML治療反應中起著至關重要的作用。在這項多隊列研究中，作者發現碳水化合物代謝相關基因（CRGs）參與AML的免疫應答。作者提出的基于CRGs的新風險模型有望為AML的預后分類，這為開發精確的靶向癌癥治療提供新的見解。本研究于2022年12月發表在《Frontiers in Immunology》IF: 8.786期刊上。

技術路線：

文章主要結果：

1、在AML中鑒定存活相關的CRGs

選擇TCGA數據集中117個non-M3 AML樣本的基因表達譜，定義為訓練集。從KEGG數據集中獲得355個CRG，并進行單變量Cox比例風險回歸分析，以探討每個CRG的潛在預后價值。發現15個CRG與OS顯著相關，其中，CYB5R4，MLYCD，PIK3CA和PTEN是保護因素，其余11個基因是危險因素（圖1A）。生存分析顯示，這4個基因的高表達與AML預后較好顯著相關，而其余基因的高表達與預后較差顯著相關，這證實單因素cox分析的結果。

根據中位風險評分將患者分為低危組和高危組。死亡人數隨著風險評分的增加而增加，高風險組的死亡人數多于低風險組（圖1B,C）。在10種CRGs的表達中，IDH3G、G6PD、DCXR、CYB5R3、ACADS、PFKL、CDIPT在高危組高表達（圖1D）。

圖1訓練集中CRG特征的預后分析

然后進行Kaplan-Meier分析，驗證CRG特征在AML預后預測中的有效性。結果顯示，高危組患者的OS明顯短于低危組（圖2A），提示CRG特征可以有效預測AML的預后。此外，1年、3年和5年OS的CRGAUC分別為0.80、0.74和0.87（圖2B）。通過單變量Cox回歸分析計算AML患者CRG特征的預測獨立性，發現年齡和風險評分與患者的OS顯著相關（圖2C）。在對這些臨床參數進行調整后，通過多變量Cox回歸分析，證實風險評分是AML患者的獨立預測因子（圖2D）。為了更準確地評估CRG特征，構建了結合風險評分和年齡的nomogram，與5年OS的效用相比，1年和3年OS的效用可以更準確地預測AML患者（圖2E），這表明風險評分和年齡的整合可以改善OS的預測。

圖2 CRG特征對AML患者OS預測的評價

2、CRGs特征的外部驗證

為進一步驗證CRG特征對患者OS的預測效用，通過CRG特征公式計算了GEO隊列（GPL570和GPL96平臺的GSE37642和GSE12417，GPL10558平臺的GSE71014）和本研究隊列中每個患者的風險評分。然后根據中位風險評分將患者分為高風險組和低風險組。高危組患者OS明顯短于低危組（圖3A-C, G-I）。這些結果表明，CRG特征在預測AML預后方面是有效的。重要的是，在GPL570平臺上GSE37642的1-、3-和5-年OS的AUC值分別為0.73、0.73和0.72（圖3D）。在GPL96平臺上GSE37642的1-、3-和5-年OS的AUC值分別為0.64、0.73和0.73（圖3E）。在GSE71014中，1-、3-和5-年OS的AUC值分別為0.69、0.73和0.61（圖3F）。在GPL570平臺上GSE12417的1-、3-和5-年OS的AUC值分別為0.72、0.68和0.65（圖3J）。在GPL96平臺上GSE12417的1-、3-和5-年OS的AUC值分別為0.65、0.65和0.63（圖3K）。在本研究的隊列患者中也觀察到類似的趨勢。1年和2年OS的AUC值分別為0.79和0.75（圖3L）。6個測試集的AUC值驗證了CRG特征在預測AML預后方面的準確性。總的來說，這些結果表明CRG特征可以用來獨立預測AML患者的OS。

圖3驗證CRG特征

3、差異表達基因（DEGs）的鑒定和富集分析

為了闡明CRGs參與AML患者OS調控的潛在分子機制，分析了高危組和低危組的不同基因表達模式。共鑒定出699個DEGs，與低危組相比，高危組有457個上調基因，242個下調基因（圖4A,B）。GO和GSEA的富集分析表明，這些DEGs在免疫應答和碳水化合物代謝中顯著富集（圖4C-E）。此外，高危組碳水化合物代謝通路上調，免疫應答通路也上調（圖4D）。這些結果表明，CRG特征可能在AML的免疫應答激活中發揮重要作用。

圖4高危組和低危組差異表達基因(DEGs)

4、不同風險人群免疫細胞比例及相關性分析

為進一步探究高危組和低危組的免疫狀況，通過ESTIMAT軟件計算了基質評分、免疫評分和估計評分，發現高危組的基質評分、免疫評分和估計評分均高于低危組，說明高危組微環境中存在更多的免疫浸潤細胞和基質細胞（圖5A-C）。與低危組相比，高危組腫瘤純度較低（圖5D），提示腫瘤純度低的AML預后較差。這些結果表明，CRG特征與免疫微環境密切相關。

隨后，研究了訓練集中22種免疫細胞類型的免疫細胞特性（圖5E-F）。結果發現低危組靜息記憶CD4+ T細胞比例明顯高于高危組，而單核細胞比例明顯低于高危組（圖5G ,H）。兩組中單核細胞與嗜酸性粒細胞、靜息記憶CD4+ T細胞、靜息NK細胞、na?ve B細胞、漿細胞呈負相關，與靜息記憶CD4+ T細胞與靜息NK細胞、na?ve B細胞呈正相關（圖5I）。這些結果證實了AML中CRG特征在免疫應答中起著重要作用。

圖5風險組免疫細胞比例及相關性分析

5、不同風險組的突變特征

為研究CRG特征與AML突變之間的關系，使用Maftools R包分析了SNP譜。高危組和低危組最常見的基因突變類型為錯義突變（圖6A-C）。高危組和低危組患者的基因突變不同。NPM1、DNMT3A和FLT3突變發生率在兩組中均較高（圖6A-C）。然而，RUNX1、IDH2、WT1和KRAS突變在低危組中更為頻繁（圖6B）。TP53、KIT和TTN突變在高危組更為常見（圖6C）。與高危組相比，低危組患者的腫瘤突變負擔更高（圖6D）。

圖6不同風險組的突變特征

6、潛在藥物敏感性

接下來，通過計算基于CRG特征的化療的潛在臨床反應。這些藥物主要針對PI3K/AKT/mTOR信號通路、碳水化合物代謝、DNA合成與損傷、表觀遺傳學和細胞凋亡。低風險組對大多數碳水化合物代謝抑制劑更敏感（圖8）。

圖7風險組的潛在藥物結果

參考文獻：

Yang Y, Yang Y, Liu J, Zeng Y, Guo Q, Guo J, Guo L, Lu H, Liu W. Establishment and validation of a carbohydrate metabolism-related gene signature for prognostic model and immune response in acute myeloid leukemia. Front Immunol. 2022 Dec 5; 13:1038570. doi: 10.3389/fimmu.2022.1038570. PMID: 36544784; PMCID: PMC9761472.