RNA-bindende Protein-basiertes Risiko-Score-Modell zur Prognosevorhersage bei Patienten mit hepatozellulärem Karzinom
Das hepatozelluläre Karzinom (HZK) ist weltweit eine Hauptursache krebsbedingter Mortalität und verantwortlich für etwa 5,0 % aller Krebstodesfälle. In China stellt das HZK eine erhebliche öffentliche Gesundheitsherausforderung dar, hauptsächlich getrieben durch hohe Hepatitis-B-Virus-Infektionsraten, mit über 400.000 prognostizierten Neuerkrankungen und Todesfällen im Jahr 2022. Die aggressive Natur der Erkrankung, späte Diagnosestellung und hohe Rezidivraten unterstreichen den dringenden Bedarf an zuverlässigen prognostischen Werkzeugen für das klinische Management. Aktuelle Studien betonen die zentrale Rolle RNA-bindender Proteine (RBPs) in der Tumorprogression, da diese Proteine posttranskriptionelle Prozesse wie RNA-Stabilität, Translation und Lokalisierung regulieren. Eine systematische Untersuchung von RBPs in der HZK-Prognose fehlte jedoch bisher. Diese Studie schließt diese Lücke durch die Entwicklung eines RBP-basierten Risiko-Score-Modells zur Prognosevorhersage, validiert durch multidimensionale Analysen und klinische Proben.
Identifikation differentiell exprimierter RBPs im HZK
Die Studie analysierte RNA-Sequenzierungsdaten von 374 HZK-Geweben und 50 normalen Leberproben aus der Cancer Genome Atlas (TCGA)-Datenbank. Unter Verwendung des limma-Pakets in R-Software wurden 82 differentiell exprimierte RBPs identifiziert (Falsche-Entdeckungs-Rate [FDR] <0,05, |log2-Fold-Change| >1,0). Davon waren 56 RBPs in HZK-Geweben hochreguliert und 26 herunterreguliert (Abbildung 1A, B). Schlüssel-RBPs mit Hochregulation umfassten EZH2, SMG5 und EIF5A2, während herunterregulierte RBPs wie AZGP1 und RCL1 mit Tumorsuppression assoziiert waren. Die distinkten Expressionsmuster unterstreichen deren potenzielle Rolle in der HZK-Pathogenese.
Funktionelle Anreicherungs- und Pathway-Analyse
Gen-Ontologie (GO)-Anreicherung zeigte, dass hochregulierte RBPs vorwiegend mit RNA-katabolen Prozessen, Translationsregulation und mRNA-Metabolismus verbunden waren. Herunterregulierte RBPs korrelierten mit RNA-Lokalisierung und Ribonukleoprotein-Komplex-Assemblierung. KEGG-Pfadwayanalysen ergaben, dass hochregulierte RBPs Pfade wie den mRNA-Überwachungsweg, MikroRNAs im Krebs und RNA-Transport anreicherten. Herunterregulierte RBPs waren in Hepatitis-C- und Influenza-A-Virusinfektionspfaden angereichert, was auf virusassoziierte Mechanismen in der HZK-Progression hindeutet.
Konstruktion des prognostischen Risiko-Score-Modells
Eine univariate Cox-Regression identifizierte 28 RBPs mit signifikanter Assoziation zum Gesamtüberleben (OS) von HZK-Patienten. LASSO-Regression reduzierte diese auf acht Hub-RBPs: EZH2, SMG5, RCL1, BARD1, EIF5A2, AZGP1, PPARGC1A und NR0B1. Die Risiko-Score-Formel basierte auf deren Regressionskoeffizienten:
Risiko-Score = (0,221 × EZH2-Expression) + (0,190 × SMG5-Expression) + (−0,0170 × RCL1-Expression) + (0,154 × BARD1-Expression) + (0,130 × EIF5A2-Expression) + (−0,0148 × AZGP1-Expression) + (−0,151 × PPARGC1A-Expression) + (0,222 × NR0B1-Expression).
Patienten wurden basierend auf dem medianen Risiko-Score in Hochrisiko- und Niedrigrisikogruppen stratifiziert. Die Kaplan-Meier-Analyse zeigte signifikant schlechteres OS in der Hochrisikogruppe im TCGA-Trainingskohort (log-rank P <0,001; Zusatzabbildung 4A, C). Zeitabhängige ROC-Kurven erreichten AUC-Werte von 0,730 für die OS-Vorhersage (Zusatzabbildung 4E). Die Validierung mittels GSE14520-Datensatz bestätigte die Robustheit des Modells mit konsistenter Überlebensstratifikation (Zusatzabbildung 4B, D, F).
Klinische Validierung und Nomogramm-Entwicklung
Quantitative Echtzeit-PCR (qRT-PCR) an 66 HZK-Geweben und 21 angrenzenden normalen Leberproben bestätigte die Hochregulation von EZH2, SMG5 und EIF5A2 sowie die Herunterregulation von AZGP1 und RCL1 in Tumorgeweben (Abbildung 1C–J). BARD1, NR0B1 und PPARGC1A zeigten keine signifikanten Unterschiede, wahrscheinlich aufgrund geringer Expressionsniveaus. Die Risiko-Score-Anwendung auf die klinische Kohorte ergab ein längeres mittleres OS in der Niedrigrisikogruppe (37,3 ± 10,8 vs. 24,8 ± 11,0 Monate; Abbildung 1L).
Ein Nomogramm, integrierend Risiko-Score, TNM-Stadium und Alter, zeigte hohe prädiktive Genauigkeit für 1-, 3- und 5-Jahres-OS (AUCs: 0,762, 0,761, 0,752; Zusatzabbildung 6B). Kalibrierungsplots bestätigten die Übereinstimmung zwischen vorhergesagten und beobachteten Ergebnissen (Zusatzabbildung 6C).
Biologische und klinische Implikationen der Hub-RBPs
Überlebensanalysen offenbarten distinkte prognostische Rollen:
- Hochrisiko-Marker: EZH2, SMG5, BARD1, EIF5A2 und NR0B1 korrelierten mit schlechter Prognose. EZH2, ein bekanntes Onkogen, fördert Metastasierung durch epigenetische Stilllegung von Tumorsuppressoren.
- Protektive Marker: AZGP1, PPARGC1A und RCL wiesen auf bessere Outcomes hin. AZGP1 reguliert Lipidmetabolismus, während PPARGC1A mitochondriale Biogenese moduliert.
SMG5, PPARGC1A und RCL1 wurden erstmals im HZK-Kontext beschrieben und erfordern weiterführende mechanistische Studien.
Limitationen und zukünftige Richtungen
Trotz der starken prognostischen Performance limitierten geringe Expressionsniveaus von BARD1, NR0B1 und PPARGC1A die statistische Power. Zukünftige Studien sollten ethnisch diverse Kohorten und funktionelle Analysen neuer RBPs wie SMG5 (mRNA-Abbau) und PPARGC1A (metabolische Reprogrammierung) adressieren.
Schlussfolgerung
Diese Studie etabliert ein robustes RBP-basiertes Risiko-Score-Modell zur HZK-Prognose, das Bioinformatik mit klinischer Validierung verbindet. Die 8-RBP-Signatur stratifiziert Patienten effektiv und bietet ein Werkzeug für personalisiertes postoperatives Management. Die Identifikation neuer RBPs eröffnet Wege für zielgerichtete Therapien.
doi.org/10.1097/CM9.0000000000002232