乳头状肾细胞癌的代谢异质性与生存结局：来自多数据集和机器学习分析的见解

背景：肾细胞癌以免疫和代谢改变为特征。这些代谢重编程过程增强肿瘤细胞增殖和浸润。本研究旨在探讨代谢相关分子的特征，并确定肾乳头状肾细胞癌（KIRP）的潜在预后生物标志物。方法：我们使用加权基因共表达网络分析和差异表达分析对代谢相关基因进行了综合分析。随后，通过整合90种机器学习算法构建了代谢相关签名（MRS）。基于Cox回归分析，我们开发了一个预测列线图。随后在MRS亚型中进行了功能富集分析、基因组变异分析、化疗反应评估和免疫细胞浸润分析。最后，在单细胞水平上进一步检查了MRS，并通过定量PCR和免疫组织化学染色验证关键基因。结果：我们鉴定了16个差异表达的代谢基因。随机生存森林（RSF）成为TCGA-KIRP和GSE2748队列中的最佳机器学习模型。MRS显示出稳健的预测性能，5年生存预测的AUC为0.989。风险评分与T分期和病理分期显著相关，并被认为是独立的预后因素。高危组患者具有较高的肿瘤突变负荷，并从舒尼替尼、帕唑帕尼、仑伐替尼和坦西莫司中获益更多。随后构建了一个四基因列线图来预测总生存期。根据scRNA-seq分析，PYCR1、INMT和KIF20A在KIRP中高表达，并在体外得到验证。结论：本研究揭示了KIRP中代谢分子的异质性，并建立了一个预后机器学习模型，该模型增强了风险分层，并可能优化KIRP治疗中的化疗策略。