基于生物信息學分析構建肝細胞癌患者新型雙硫死亡相關預后模型

通信作者：楊永平，yongpingyang@hotmail.com（ORCID：0000-0002-8307-1095）

摘要：目的探討雙硫死亡基因在肝細胞癌（HCC）中的表達情況，研究雙硫死亡對HCC的預后價值并構建預后模型，分析其影響HCC的生物學過程和對索拉非尼耐藥的影響。方法從TCGA-LIHC數據庫中收集HCC患者的mRNA表達譜和相應臨床數據。利用LASSO-Cox回歸算法構建TCGA隊列中的4基因預后預測模型。在外部數據集ICGC和GSE14520隊列中驗證模型的預后效能?；诎┌Y藥物敏感性基因組學數據分析雙硫死亡模型對索拉非尼治療反應的預測作用。此外，進行GO和KEGG功能分析，以深入了解雙硫死亡相關基因的生物學功能。計量資料兩組間比較采用成組t檢驗；計數資料兩組間比較采用χ2檢驗。采用Kaplan-Meier曲線和Log-rank檢驗評估預后差異；采用單因素和多因素Cox回歸分析研究風險評分是否獨立影響患者預后。結果在TCGA隊列中行單因素Cox回歸分析，7個已知的雙硫死亡相關基因與HCC總生存期（OS）顯著相關（P值均lt;0.05）；進一步通過LASSO-Cox回歸分析，構建雙硫死亡相關的基因（DRG）預后模型，并計算風險評分（RS-DRG），RS-DRG=0.061 6×GYS1表達水平+0.152 8×LRPPRC表達水平+0.268 3×RPN1表達水平+0.183 5×SLC7A11表達水平。Log-rank檢驗表明雙硫死亡模型中高風險評分患者的OS明顯低于低風險評分患者（Plt;0.001）。根據多因素Cox回歸結果，在TCGA和ICGC隊列中，風險評分都是OS的獨立預測因子（TCGA：HR=1.869，P=0.002；ICGC：HR=3.469，P=0.004）。Spearman相關分析表明RS-DRG與腫瘤微環境中的多種免疫細胞類型（包括B淋巴細胞、CD4+T淋巴細胞、中性粒細胞、巨噬細胞和樹突狀細胞）的浸潤水平呈顯著正相關（P值均lt;0.05）。高風險評分組患者索拉非尼IC50值更低，對索拉非尼更敏感（Plt;0.001）。KEGG/GO富集分析顯示雙硫死亡風險差異基因顯著富集于多種有絲分裂相關的分子功能。結論本研究構建了一種新的雙硫死亡相關基因預后模型，在預測HCC預后方面具有潛在的臨床應用價值；以雙硫死亡基因為靶點可能是治療HCC的一種很有前景的方法。

關鍵詞：癌，肝細胞；二硫化物類；計算生物學；比例危險度模型

基金項目：中國科技部傳染病專業國家重點項目（2018ZX10725506）；首都臨床特色診療技術研究及轉化應用（Z221100007422002）

Construction of a novel disulfidptosis-related prognostic model for patients with hepatocellular carcinoma based on bioinformatics analysis

SONG Zheng1，2，LUO Wei3，CHANG Xiujuan2，YANG Yongping1，2.（1.Peking University 302 Clinical Medical School，Beijing 100039，China；2.Department of Hepatology，The Fifth Medical Center of PLA General Hospital，Beijing 100039，China；3.School of Pharmacy，Hubei University of Science and Technology，Xianning，Hubei 437100，China）

Corresponding author：YANG Yongping，yongpingyang@hotmail.com（ORCID：0000-0002-8307-1095）

Abstract：Objective To investigate the expression of disulfidptosis-related genes in hepatocellular carcinoma（HCC）and the prognostic value of disulfidptosis in HCC，to construct a prognostic model，and to analyze its impact on the biological processes ofHCC and sorafenib resistance.Methods The TCGA-LIHC database was used to collect the mRNA expression profiles and corresponding clinical data of HCC patients，and the LASSO-Cox regression algorithm was used to construct a four-gene predictive model for prognosis in the TCGA cohort.The external datasets ICGC and GSE14520 were used to validate the prognostic efficacy of the model，and the Cancer Drug Sensitivity Genomics（GDSC）data were used to investigate the value of the disulfidptosis model in predicting sorafenib treatment response，and gene ontology（GO）and Kyoto Encyclopedia of Genes and Genomes（KEGG）analyses were used to investigate the biological functions of disulfidptosis-related genes.The independent-samples t test was used for comparison of continuous data between two groups，and the chi-square test was used for comparison of categorical data between two groups.The Kaplan-Meier curve and the log-rank test were used to evaluate the difference in prognosis，and univariate and multivariate Cox regression analyses were used to investigate whether risk score was an independent influencing factor for patient prognosis.Results The univariate Cox regression analysis in the TCGA cohort showed that seven known disulfidptosis-related genes were significantly associated with overall survival（OS）in HCC（all Plt;0.05）.The LASSO-Cox regression analysis was used to construct a prognostic model based on disulfidptosis-related genes（DRG），and the risk score RS-DRG was calculated as RS-DRG=（0.061 6）×GYS1 expression level+（0.152 8）×LRPPRC expression level+（0.268 3）×RPN1 expression level+（0.183 5）×SLC7A11 expression level.The log-rank test showed that the patients with a high risk score based on the disulfidptosis model had a significantly lower OS than those with a low risk score（Plt;0.001）.Based on the results of the multivariate Cox regression analysis，risk score was an independent predictive factor for OS in both TCGA and ICGC cohorts（TCGA：hazard ratio［HR］=1.869，P=0.002；ICGC：HR=3.469，P=0.004）.The Spearman correlation analysis showed that RS-DRG was significantly positively correlated with the infiltration level of various immune cells（including B lymphocytes，CD4+T lymphocytes，neutrophils，macrophages，and dendritic cells）in tumor microenvironment（all Plt;0.05）.The patients in the high-risk score group had a significantly lower IC50 value of sorafeniband were more sensitive to sorafenib（Plt;0.001）.The KEGG/GO enrichment analysis showed that the differentially expressed disulfidptosis-related genes were significantly enriched in various mitosis-related molecular functions.Conclusion This study constructed a novel prognostic model based on disulfidptosis-related genes，which has a potential clinical value in predicting the prognosis of HCC，and targeting disulfidptosis-related genes may provide a promising approach for HCC treatment.

Key words：Carcinoma，Hepatocellular；Disulfides；Computational Biology；Proportional Hazards Models

Research funding：The State Key Projects Specialized on Infectious Disease，Chinese Ministry of Science and Technology（2018ZX10725506）；Research and Translational Application of Clinical Characteristic Diagnosis and Treatment Technology in the Capital（Z221100007422002）

肝細胞癌（HCC）被公認為全球第六大常見腫瘤，并且是導致肝硬化患者死亡的主要原因之一［1］。據預測，其發病率在未來還將有所上升［2］。盡管目前存在有效的治療方案，但患者的總體生存率仍然較低，晚期患者的5年生存率僅為10%［3］。高度的異質性和復發率是HCC治療的重大挑戰，影響預后預測［4］。因此，迫切需要闡明HCC的分子機制，開發可以作為診斷和治療靶點的新型分子，以改善HCC患者的臨床預后。

近期研究揭示了一種新型細胞死亡方式——雙硫死亡，這是一種獨立于已知細胞死亡途徑的程序性細胞死亡方式。當細胞過度表達SLC7A11時，在葡萄糖缺乏條件下會出現NADPH分子供應不足，導致無法將胱氨酸還原為半胱氨酸，引發二硫化物的積累，進而在肌動蛋白細胞骨架蛋白中形成異常的二硫鍵。隨著這種積累的繼續，最終會導致F-肌動蛋白崩潰，細胞因此迅速死亡［5］。

目前，二硫化物代謝與癌癥之間的緊密聯系備受關注［6］。在過度表達SLC7A11的癌細胞中，抑制葡萄糖轉運體可以誘導二硫化物的耗竭，進而顯著阻礙腫瘤的發生發展［7］。由于HCC細胞對氧化應激顯示出高度敏感性［8］，并且SLC7A11在HCC組織中表達顯著，因此，以雙硫死亡通路為治療靶點成為HCC治療的新策略。然而，要深入了解雙硫死亡的具體機制并評估其在HCC中的治療潛力，仍需要進一步研究。本研究收集了HCC患者的mRNA表達譜和臨床數據，包括TCGA、ICGC和GEO數據庫。在TCGA-LIHC隊列中，建立了一個以雙硫死亡相關基因為基礎的4基因預后模型，通過時間依賴性受試者工作特征曲線（ROC曲線）分析檢測了風險評分的預測準確性，并通過ICGC-LIRI-JP和GSE14520（GPL3721）隊列驗證其可靠性。隨后，通過深入進行功能富集分析，探討了雙硫死亡調節HCC發生發展的潛在機制。最后，結合藥物敏感性數據分析了雙硫死亡對HCC患者索拉非尼治療效果的影響。

1資料與方法

1.1數據收集和整理從TCGA-LIHC數據庫中獲取了包含371例HCC患者的三級RNA測序數據和相應的臨床信息。為確保數據的一致性，采用了“edgeR”軟件包中的縮放方法，對基因表達譜進行了歸一化處理。為了驗證結果的穩定性，引入了ICGC-LIRI-JP項目的231個HCC樣本和GSE14520（GPL3721）的225個HCC樣本的RNA-seq數據和臨床信息進行隊列驗證。所有數據均符合TCGA、ICGC和GEO的數據訪問和發布政策，并且是公開可獲取的。為了深入探索SLC7A11在HCC組織不同細胞群中的表達水平，收集了GSE146409中經過嚴格質量控制和細胞類型注釋的單細胞測序數據，以確保分析的準確性。

1.2細胞培養Huh7和HepG2細胞購買自American Type Culture Collection（ATCC）。細胞在含有10%FBS、10 U/mL青霉素和10 g/mL鏈霉素的Dulbecco改良的Eagle培養基（DMEM）中培養，并置于37℃、5%CO2的濕潤培養箱中生長。為了研究SLC7A11對肝癌細胞在葡萄糖缺乏環境下雙硫死亡的調控，使用Entranster-H4000（恩格林，中國）將SLC7A11過表達質粒（擎科生物，中國）轉染到HCC細胞中。

1.3實時熒光定量PCR（qRT-PCR）為了從樣本中提取總RNA，使用了TRIzol試劑（Thermo，Ambion）進行細胞裂解。隨后，反轉錄程序為：25℃進行5 min，55℃進行30 min，75℃進行10 min，接著使用SuperScriptⅢPlatinum一步法逆轉錄聚合酶鏈式反應試劑盒（Thermo Fisher Scientific，inc.）和SYBR qPCR Mix（Low ROX）（Genstar，Columbia）準備PCR反應體系。PCR的溫度循環條件如下：95℃57 s，95℃16 s，56.5℃33 s，共進行40個循環。SLC7A11的PCR正向引物：5'-TCTCCAAA GGAGTTACCTGC-3'；反向引物：3'-AGACTCCCCTCA GGTAAAGTGAC-5'。

1.4 Western Blot實驗細胞蛋白提取后采用了雙唑酮酸（BCA）試劑盒進行蛋白定量，并使用Western Blot進行蛋白質測定。SLC7A11抗體購買自MERCK公司（1∶1 000，GSAB5700735），次級抗體采用辣根過氧化物酶標記，并使用ECL試劑盒（Promega，W1015）進行蛋白質檢測。

1.5雙硫死亡指標檢測采用NADP+/NADPH檢測試劑盒（WST-8法）（碧云天）、ATP檢測試劑盒（碧云天）和胱氨酸攝取熒光法測試盒（Elabscience）分別進行NAPDH、ATP和胱氨酸攝取率檢測。所有操作均按照說明書進行。

1.6構建和驗證雙硫死亡相關預后模型從已發表的文獻中確定了10個與雙硫死亡相關的基因（disulfidptosis-related gene，DRG）。使用“circlize”軟件包評估這些基因在HCC中的相互關系，并進行可視化。采用單因素Cox分析法評估DRG對總生存期（OS）的影響。為防止過度擬合，使用“glmnet”軟件包中的LASSO-Cox回歸算法構建預后模型。候選預后DRG的歸一化表達矩陣作為自變量，患者OS作為響應變量。通過十倍交叉驗證確定了模型的懲罰參數λ，選擇偏離度部分似然值最低的λ值。根據基因的歸一化表達水平和回歸系數計算患者風險評分，將患者分為高風險組和低風險組。之后，對風險評分的預測準確性進行時間依賴性ROC分析；同時，進行單因素和多因素Cox回歸分析，以研究風險評分是否獨立影響患者預后。

1.7免疫浸潤相關性分析為了確保免疫評分評估的準確性，采用TIMER算法中的“immuneconv”軟件包進行免疫評分分析，考慮組織特異性估算免疫細胞數量。因數據非正態分布，使用Spearman相關性分析評估DRG與免疫評分的相關性。

1.8免疫檢查點相關性分析從TCGA-LIHC數據集中提取了SIGLEC15、TIGIT、CD274、HAVCR2、PDCD1、CTLA4、LAG3和PDCD1LG2等免疫檢查點相關轉錄本的表達值進一步分析。根據SLC7A11的中位表達水平，將TCGA-LIHC數據集中的HCC樣本分為兩組。研究兩組間免疫檢查點表達水平差異。

1.9功能富集分析根據中位風險評分，TCGA-LIHC和ICGC-LIRI-JP項目中的HCC患者被分為高風險組和低風險組，分析兩組之間差異表達基因（DEG）（|LogFC|≥1，Padjlt;0.05）。兩個數據集的DEG交集被視為可靠的雙硫死亡風險差異基因（RDDG）。為了深入了解RDDG的生物學功能，使用R軟件包\"clusterProfiler\"進行基因本體（GO）和京都基因組百科全書（KEGG）分析。為了校正多重檢驗，使用本杰明-霍奇伯格方法調整這些分析得出的P值。

1.10索拉非尼治療反應評估每個樣本的索拉非尼治療反應預測均基于最大的公開藥物基因組學數據庫——癌癥藥物敏感性基因組學進行。預測過程采用“pRRophetic”軟件包實現。樣本的半數最大抑制濃度（IC50）通過脊回歸估算得出，所有參數均設為默認值。為消除不同組織和組織類型之間的批次效應，對重復基因表達量進行平均處理。

1.11統計學方法所有統計分析均使用R軟件（4.0.3版）進行。為了比較腫瘤和鄰近非腫瘤組織的基因表達水平，采用成組t檢驗進行組間比較。計數資料采用χ2檢驗進行組間比較。采用Kaplan-Meier曲線和Log-rank檢驗評估預后差異；采用單因素和多因素Cox回歸分析研究風險評分是否獨立影響患者預后。Plt;0.05為差異具有統計學意義。

2結果

2.1 SLC7A11在HCC中的差異表達和潛在生物學功能在TCGA-LIHC隊列中，與癌旁組織相比，SLC7A11在HCC中表達明顯升高（圖1a）。根據GSE146409數據集的單細胞測序結果分析各細胞簇（圖1b），在具有惡性增殖能力的癌細胞中SLC7A11的表達量相比于正常肝細胞大幅增加（圖1c）。為了深入研究，根據SLC7A11在TCGA-LIHC隊列中的中位表達水平，將HCC組織分為高SLC7A11組和低SLC7A11組。高SLC7A11組的多種免疫細胞浸潤顯著增加，包括B淋巴細胞、CD8+T淋巴細胞、中性粒細胞、巨噬細胞和樹突狀細胞（圖1d）。此外，高SLC7A11組中免疫檢查點相關基因CD274、CTLA4、HAVCR2、PDCD1、PDCD1LG2和TIGIT的表達水平也顯著上調（圖1e）。以上結果提示，SLC7A11可能在HCC的免疫微環境中扮演重要角色。

為了進一步驗證SLC7A11在肝癌細胞中相對于正常肝細胞的表達差異，進行qRT-PCR實驗，結果表明在HepG2和Huh7細胞中，SLC7A11的表達量顯著高于LO2細胞（圖1f）。在HepG2和Huh7細胞中轉染SLC7A11過表達質粒，進行qRT-PCR實驗和Western Blot實驗，提示SLC7A11的mRNA（圖1g、h）和蛋白（圖1i、j）表達均增加。給予低葡萄糖培養基培養24 h后，CCK8實驗表明，轉染了SLC7A11過表達質粒的HepG2和Huh7細胞活力相比轉染了空載體的HepG2和Huh7細胞活力顯著下降（圖1k、l）。此外，在給予低葡萄糖培養基培養24 h后，過表達SLC7A11的HCC細胞中表現出更低的NADPH水平（圖2a），更低的ATP水平（圖2b）和更高的胱氨酸攝取率（圖2c），證明了在肝癌細胞中SLC7A11過表達在葡萄糖缺乏的環境下引起肝癌細胞雙硫死亡。

2.2 TCGA隊列中預后相關DRG的鑒定在HCC組織中，與配對的鄰近組織相比，所有DRG的表達水平均顯著升高（圖3a），其中7個DRG在單因素Cox回歸分析中與OS有顯著相關性，包括GYS1、OXSM、LRPPRC、NCKAP1、RPN1、SLC3A2和SLC7A11（圖3b）。

2.3依據TCGA隊列構建預后模型通過LASSO-Cox回歸分析，構建一個納入DRG的預后模型（圖4a、b）。使用最小λ值0.040 1，并計算了雙硫死亡基因相關的風險評分（RS-DRG），具體公式如下：RS-DRG=0.061 6×GYS1表達水平+0.152 8×LRPPRC表達水平+0.268 3×RPN1表達水平+0.183 5×SLC7A11表達水平。

根據RS-DRG的中位值，將患者分為高RS-DRG組（n=185）和低RS-DRG組（n=185）。TCGA隊列中高RS-DRG與高AFP水平、更高的組織學分級以及晚期病理分期有顯著的相關性（Plt;0.05）（附錄A）。圖4c顯示，與低RS-DRG組相比，高RS-DRG組的患者死亡風險更高。此外，Kaplan-Meier生存曲線也證實，高RS-DRG組患者的總體生存概率明顯低于低RS-DRG組（Plt;0.001）（圖4d）。使用時間依賴的ROC曲線評估了風險評分對OS的預測能力，結果顯示在1、3和5年時的ROC曲線下面積（AUC）分別為0.765、0.681和0.611（圖4e）。最后，對RS-DRG進行免疫評分分析，結果顯示RS-DRG與腫瘤微環境中的多種免疫細胞類型（包括B淋巴細胞、CD4+T淋巴細胞、中性粒細胞、巨噬細胞和樹突狀細胞）的浸潤水平呈顯著正相關（P值均lt;0.05）（圖4f）。

2.4外部數據集驗證預后模型在ICGC隊列中，經過生存期分析驗證，除了CYS1（Padjlt;0.05）以外，其他3個基因（LRPPRC、RPN1和SLC7A11）均與不良的OS有顯著的相關性（圖5a）。為了評估這個基于TCGA隊列構建的模型的穩定性，采用了同樣的公式計算中位數，將ICGC隊列的患者也區分為高RS-DRG組和低RS-DRG組。在ICGC隊列中，高RS-DRG組患者與更高級的TNM分期以及更多的門靜脈和靜脈侵犯有顯著的相關性（P值均lt;0.05）（附錄B）。相較于低RS-DRG組，高RS-DRG組的患者面臨更高的早期死亡風險（圖5b），并且其生存率也顯著較低（Plt;0.001）（圖5c）。此外，該模型在預測1、2、3年生存率時的AUC分別為0.723、0.746、0.771（圖5d）。

同樣地，GSE14520隊列中的患者也被分為高RS-DRG組和低RS-DRG組。與低RS-DRG組相比，高RS-DRG組的患者早期死亡概率更高（圖5e），其生存時間也顯著較短（P=0.028）（圖5f）。在該隊列中，該模型在預測預測1、2、3年生存率時的AUC分別為0.585、0.620、0.576（圖5g）。

2.5 RS-DRG風險評分的獨立預后價值在TCGA和ICGC兩個隊列中，單因素和多因素Cox回歸分析均顯示RS-DRG風險評分為OS的獨立影響因子（P值均lt;0.05）（圖6）。此外，在GSE14520（GPL3721）隊列中進行的單因素Cox回歸分析也顯示，RS-DRG與OS之間存在顯著關聯（HR=1.608，95%CI：1.050～2.464，P=0.029）。但在該隊列的多因素分析中，RS-DRG并未顯示出作為OS獨立預測因子的能力（HR=1.501，95%CI：0.964～2.336，P=0.072）。

2.6 RS-DRG風險評分預測HCC患者使用索拉非尼治療的反應在評估HCC藥物療效和反應時發現，高風險組的患者索拉非尼IC50值更低，索拉非尼治療效果更好（圖7a），RS-DRG預測索拉非尼反應的AUC達0.791（圖7b）。進一步評估RS-DRG中4個基因與索拉非尼敏感性的關系，發現GYS1、LRPPRC、RPN1和SLC7A11的表達均與治療反應呈負相關（Padjlt;0.05）（圖7c～f）。

2.7 TCGA和ICGC隊列中RS-DRG風險評分功能分析為了深入了解與RS-DRG相關的生物學功能和通路，通過結合TCGA和ICGC隊列中的DEG（|LogFC|gt;1；Padjlt;0.05）鑒定了可靠的RDDG（圖8a～c），并進行了GO富集和KEGG通路分析。結果符合預期，顯示出RDDG顯著富集于多種有絲分裂相關的分子功能，如核分裂、有絲分裂中的微管細胞骨架組織、細胞器裂變以及有絲分裂紡錘體組織等（Padjlt;0.05）。同時，也揭示出RDDG在細胞基底部分、基質膜和質膜上的富集（Padjlt;0.05）（圖8d）。此外，PPI網絡分析揭示出相互作用的核心蛋白主要集中于調控細胞周期和有絲分裂的蛋白上（相互作用得分閾值為0.7，高置信度）（圖8e）。最后對TCGA-LIHC和ICGC項目中的DEG執行了GSEA富集分析，結果顯示主要富集于細胞連接組織、過氧物酶體和角質化等通路（Padjlt;0.05）（圖8f）。

3討論

本研究探索了4個與雙硫死亡有關的基因，通過Lasso-Cox方法構建了一個新型HCC預后風險模型，并在2個外部獨立隊列（ICGC；GSE14520）中進行了模型驗證。研究發現，雙硫死亡風險評分與HCC的免疫浸潤程度有顯著關聯，且較低的雙硫死亡風險評分預示著HCC患者索拉非尼的治療效果更佳。進一步的功能分析揭示了肝癌細胞中雙硫死亡與細胞有絲分裂過程以及細胞外基質成分之間的緊密聯系。重要的是，研究首次揭示了雙硫死亡與HCC預后之間的相互作用，為當前對該疾病的理解提供了新的視角。

在高表達SLC7A11的癌細胞中，葡萄糖缺乏所引發的雙硫死亡與過去研究中觀察到的細胞凋亡存在顯著差異。Liu等［5］的研究取得了重大突破，抑制二硫化物的積累能有效防止細胞在葡萄糖缺乏的環境中死亡，從而確立了這種特殊類型的細胞死亡與二硫化物應激之間的直接聯系。HCC的腫瘤微環境常伴隨著缺氧狀況［9］。SLC7A11在腫瘤組織中的表達顯著高于其周圍正常組織。此外，單細胞分析進一步顯示，具有高強度惡性增殖能力的HCC細胞中，SLC7A11的表達水平更高。因此，本研究結果表明，相較于鄰近的正常組織，HCC組織對缺氧環境引發的雙硫死亡表現出更高的敏感性。該發現開啟了一個全新的研究窗口，即針對葡萄糖轉運體進行治療，以在HCC細胞中誘導雙硫死亡的產生，同時保護正常細胞。這是一個充滿希望的研究途徑，有望在未來為HCC的治療提供新的策略。

HCC的高度異質性導致了不同的臨床結果和治療反應［10］。靶向雙硫死亡有望成為治療HCC的新策略。為了深入探索這一可能性，本研究聚焦于雙硫死亡如何抑制HCC的進展，建立了一個由4個基因構成的新型雙硫死亡預后模型：SLC7A11、LRPPRC、GYS1和RPN1。這4個基因都在HCC的發展和免疫浸潤中扮演了重要角色。SLC7A11的高表達會增加胱氨酸的攝取，進而導致二硫化物的積累和隨后的二硫化物應激反應［11］。然而，在葡萄糖缺乏的環境中，由于磷酸戊糖途徑產生的NADPH有限，細胞無法有效應對這種二硫化物應激［5］。GYS1是一個在糖原合成中起關鍵作用的酶，它在缺氧條件下會被迅速誘導，并與糖原積累呈正相關。盡管過去的腫瘤學研究表明GYS1的表達與多種癌癥相關，但它對HCC的具體影響仍然未知［12-13］。LRPPRC參與線粒體的氧化磷酸化過程，在HCC組織中顯著上調，并與更高級的病理分期、更低的總生存率和無病生存率有關［14-15］。有趣的是，抑制GYS1和LRPPRC可以與葡萄糖饑餓協同作用，從而誘導雙硫死亡［5］。RPN1編碼內質網中的一種N-寡糖轉移酶［16］，是雙硫死亡過程中必不可少的基因，但其潛在機制仍不清楚。綜上所述，預后模型中的所有基因都與調節細胞雙硫死亡相關，且每一個都是導致HCC預后不良的風險因素。

盡管對于雙硫死亡與癌癥的關系已有一定了解［6］，但腫瘤免疫與雙硫死亡之間的具體作用仍不明確。在HCC中，雙硫死亡風險特征模型評分與免疫細胞浸潤之間存在顯著相關性，進一步證明了雙硫死亡機制與免疫浸潤之間的密切關系。筆者分析表明，HCC患者中出現較高雙硫死亡風險與腫瘤微環境中B淋巴細胞、CD4+T淋巴細胞、中性粒細胞、巨噬細胞和樹突狀細胞的浸潤增加有關。然而，雙硫死亡如何影響抗腫瘤免疫細胞的具體功能和機制尚未明了，還需要實驗室和臨床研究的進一步證據。

本研究觀察到RS-DRG評分與HCC患者接受索拉非尼治療的敏感性之間存在顯著相關性。一些研究人員［17］提出，索拉非尼通過誘導鐵死亡來對HCC產生抑制作用。本研究中，RS-DRG值高的患者，其索拉非尼的IC50值較低，這意味著對索拉非尼的治療反應更為敏感。因此，這部分患者可以被視為索拉非尼治療的理想人選。在臨床治療中，臨床醫生可以根據患者的基因檢測結果預測患者的雙硫死亡風險，從而更有效地指導患者進行索拉非尼的靶向治療。然而，對于RS-DRG值較低的HCC患者，可能代表了對索拉非尼治療具有耐藥性的特定亞組。通過深入了解這些發現，可以為這一特定亞群探索潛在的治療方法，這有助于克服索拉非尼的耐藥性，從而提高療效。

在研究不同風險組之間的DEG時，進行了GO和KEGG分析，觀察到與有絲分裂相關的各種分子功能出現富集，包括核分裂、微管細胞骨架組織、細胞器裂變和有絲分裂紡錘體組織等。從雙硫死亡的分子學機制上判斷，這很有可能是由于葡萄糖缺乏的環境下，SLC7A11過表達的肝癌細胞內二硫化物異常積累，影響了細胞有絲分裂中紡錘體的形成。Liu等［5］發現，二硫化物積累導致肌動蛋白細胞骨架蛋白中的二硫鍵異常，肌動蛋白網絡崩潰，隨后細胞死亡。本研究首次提出，HCC細胞的雙硫死亡可能與細胞有絲分裂和細胞周期關系密切。這一新穎發現表明，細胞骨架蛋白中二硫鍵的形成以及細胞分裂初始階段紡錘體的形成過程和運動功能與二硫化物積累誘導的細胞死亡之間存在潛在聯系。本研究為了解HCC進展的內在機制開辟了新的途徑。然而，要驗證和支持這一假設，還迫切需要進一步實驗研究。

綜上所述，本研究成功構建了一種基于肝癌細胞雙硫死亡機制的新型HCC預后模型，并驗證了該模型在TCGA數據庫中能夠獨立預測HCC患者的總體生存率，同時通過外部數據集（ICGC；GSE14520）進一步確認了其預測性能。此外，研究還揭示了雙硫死亡與HCC腫瘤微環境中免疫細胞浸潤以及索拉非尼治療反應之間的潛在關聯，為深入了解HCC的生物學機制提供了新的線索。研究還發現雙硫死亡與細胞有絲分裂之間存在潛在關聯，這一發現為探索HCC的發生和發展機制提供了新的視角。這些結果不僅有助于加深對HCC生物學特性的理解，還可能為開發更有效的治療策略提供重要參考。

但本研究也存在一些局限性。首先，面臨著缺乏前瞻性真實世界數據的問題，這無疑阻礙了確認其臨床實用性的能力。因此，為了在真實世界環境中驗證該模型的有效性，利用前瞻性數據開展進一步的研究是至關重要的。其次，依靠單一標志構建預后模型的固有局限性，這可能會導致預后評估的不準確和偏差。為了克服這個問題，未來的研究可以考慮結合多個標志或因素，以更全面和準確地預測患者的預后情況。此外，必須強調的是，本研究中涉及的關鍵環節即雙硫死亡和有絲分裂之間的具體關系尚未得到實驗研究或闡明。雖然本研究確定了這兩種現象之間的潛在聯系，但要充分了解其潛在機制并闡明二者之間相互作用的性質，還需要進一步的實驗研究。

利益沖突聲明：本文不存在任何利益沖突。

作者貢獻聲明：宋錚、羅維參與研究數據的獲取分析解釋過程以及論文起草；常秀娟修改文章內容；楊永平設計研究思路。

參考文獻：

[1] CAO PB， YANG AQ， LI PY， et al. Genomic gain of RRS1 promotes hepatocellular carcinoma through reducing the RPL11-MDM2-p53signaling[J]. Sci Adv， 2021， 7（35）： eabf4304. DOI： 10.1126/sciadv.abf4304.

[2] FENG M， SURESH K， SCHIPPER MJ， et al. Individualized adaptive stereotactic body radiotherapy for liver tumors in patients at high risk for liver damage： A phase 2 clinical trial[J]. JAMA Oncol， 2018，4（1）： 40-47. DOI： 10.1001/jamaoncol.2017.2303.

[3] WEI L， LEE D， LAW CT， et al. Genome-wide CRISPR/Cas9 library screening identified PHGDH as a critical driver for Sorafenib resis?tance in HCC[J]. Nat Commun， 2019， 10（1）： 4681. DOI： 10.1038/s41467-019-12606-7.

[4] FENG MX， MA MZ， FU Y， et al. Elevated autocrine EDIL3 protects hepatocellular carcinoma from anoikis through RGD-mediated integ?rin activation[J]. Mol Cancer， 2014， 13： 226. DOI： 10.1186/1476-4598-13-226.

[5] LIU XG， NIE LT， ZHANG YL， et al. Actin cytoskeleton vulnerability to disulfide stress mediates disulfidptosis[J]. Nat Cell Biol， 2023， 25（3）： 404-414. DOI： 10.1038/s41556-023-01091-2.

[6] ZHENG PJ， ZHOU CT， DING YM， et al. Disulfidptosis： A new target or metabolic cancer therapy[J]. J Exp Clin Cancer Res， 2023， 42（1）： 103. DOI： 10.1186/s13046-023-02675-4.

[7] ZHAO SY， WANG LY， DING W， et al. Crosstalk of disulfidptosis-re?lated subtypes， establishment of a prognostic signature and im?mune infiltration characteristics in bladder cancer based on a ma?chine learning survival framework[J]. Front Endocrinol （Lausanne），2023， 14： 1180404. DOI： 10.3389/fendo.2023.1180404.

[8] KUDO Y， SUGIMOTO M， ARIAS E， et al. PKCλ/ι loss induces au?tophagy， oxidative phosphorylation， and NRF2 to promote liver can?cer progression[J]. Cancer Cell， 2020， 38（2）： 247-262. e11. DOI：10.1016/j.ccell.2020.05.018.

[9] WU QC， ZHOU WH， YIN SY， et al. Blocking triggering receptor ex?pressed on myeloid cells-1-positive tumor-associated macrophages induced by hypoxia reverses immunosuppression and anti-programmed cell death ligand 1 resistance in liver cancer[J]. Hepatology， 2019，70（1）： 198-214. DOI： 10.1002/hep.30593.

[10] CALDERARO J， ZIOL M， PARADIS V， et al. Molecular and histologi?cal correlations in liver cancer[J]. J Hepatol， 2019， 71（3）： 616-630. DOI： 10.1016/j.jhep.2019.06.001.

[11] ZHONG ZY， ZHANG CJ， NI S， et al. NFATc1-mediated expression of SLC7A11 drives sensitivity to TXNRD1 inhibitors in osteoclast pre?cursors[J]. Redox Biol， 2023， 63： 102711. DOI： 10.1016/j.redox.2023.102711.

[12] FAVARO E， BENSAAD K， CHONG MG， et al. Glucose utilization via glycogen phosphorylase sustains proliferation and prevents prema?ture senescence in cancer cells[J]. Cell Metab， 2012， 16（6）： 751-764. DOI： 10.1016/j.cmet.2012.10.017.

[13] XIE H， SONG J， GODFREY J， et al. Glycogen metabolism is dispens?able for tumour progression in clear cell renal cell carcinoma[J].Nat Metab， 2021， 3（3）： 327-336. DOI： 10.1038/s42255-021-00367-x.

[14] LIU JY， CHEN YJ， FENG HH， et al. LncRNA SNHG17 interacts with LRPPRC to stabilize c-Myc protein and promote G1/S transition and cell proliferation[J]. Cell Death Dis， 2021， 12（11）： 970. DOI： 10.1038/s41419-021-04238-x.

[15] WANG HH， TANG AM， CUI YY， et al. LRPPRC facilitates tumor pro?gression and immune evasion through upregulation of m6A modifica?tion of PD-L1 mRNA in hepatocellular carcinoma[J]. Front Immunol，2023， 14： 1144774. DOI： 10.3389/fimmu.2023.1144774.

[16] LIU XY， XIAO WD， ZHANG YN， et al. Reversible phosphorylation of Rpn1regulates 26S proteasome assembly and function[J]. Proc Natl Acad Sci USA， 2020， 117（1）： 328-336. DOI： 10.1073/pnas.1912531117.

[17] CHEN X， KANG R， KROEMER G， et al. Broadening horizons： The role of ferroptosis in cancer[J]. Nat Rev Clin Oncol， 2021， 18（5）：280-296. DOI： 10.1038/s41571-020-00462-0.

收稿日期：2023-12-25；錄用日期：2024-03-18

本文編輯：劉曉紅

引證本文：SONG Z， LUO W， CHANG XJ， et al. Construction of a novel disulfidptosis-related prognostic model for patients with hepatocellular carcinoma based on bioinformatics analysis [J]. J Clin Hepatol， 2024， 40（9）： 1822-1832.

宋錚， 羅維， 常秀娟， 等 . 基于生物信息學分析構建肝細胞癌患者 新型雙硫死亡相關預后模型[J]. 臨床肝膽病雜志， 2024， 40 （9）： 1822-1832.