在抗癌领域，免疫治疗已成为一种极具潜力的治疗手段，但其疗效仍面临诸多挑战。肿瘤细胞的“Warburg效应”及其乳酸代谢（LM）机制在免疫治疗耐药中扮演了关键角色。
近期，一篇发表于《Journal of Experimental & Clinical Cancer Research》杂志的研究文章（影响因子11.4，JCR 1区）通过大数据分析、机器学习算法以及类器官模型验证，揭示了乳酸代谢与免疫治疗耐药之间的密切联系，并提出了新的生物标志物集（LM.SIG），为精准免疫治疗提供了重要依据。
美捷登“优研智达”为您提供实验检测，课题设计，数据分析及整理。如您有实验需求，可以添加微信咨询。
肿瘤细胞的“Warburg效应”是指其在有氧条件下仍优先通过糖酵解产生乳酸，而非通过更高效的氧化磷酸化。这种代谢方式导致乳酸在肿瘤微环境中的积累，进而通过多种途径促进肿瘤生长、侵袭和免疫逃逸。免疫治疗耐药是当前临床面临的重大挑战之一，而乳酸代谢的异常激活被认为是其潜在机制之一。因此，深入研究乳酸代谢与免疫治疗反应之间的关系，对于优化免疫治疗策略具有重要意义。
本研究通过整合单细胞RNA测序（scRNA-seq）、机器学习算法、CRISPR筛选以及胰腺癌类器官模型验证，系统性地探讨了乳酸代谢在免疫治疗耐药中的作用机制。研究流程如下：
1.单细胞RNA测序数据挖掘：通过分析两组免疫治疗相关的单细胞RNA测序数据，研究者发现乳酸代谢水平与免疫治疗耐药呈显著负相关，提示乳酸代谢的上调可能削弱免疫治疗的疗效。
2.乳酸代谢特征基因集（LM.SIG）构建：基于40个泛癌单细胞RNA测序队列，结合GSVA分析和相关性筛选，研究者构建了一个包含84个基因的乳酸代谢特征基因集（LM.SIG）。该基因集与乳酸代谢相关通路（如NADH、TCA循环）及免疫活性基因（如C1QBP、LDHA）密切相关。
3.机器学习算法验证：研究者利用15种机器学习算法，在8个免疫治疗相关转录组数据集和30个TCGA泛癌数据集上验证了LM.SIG对免疫治疗反应和患者生存的预测能力。
4.CRISPR筛选与靶点验证：通过分析17个CRISPR数据集，研究者筛选出潜在的免疫治疗靶点基因，并在胰腺癌类器官模型中验证了这些靶点的抗肿瘤潜力。
1、LM上调与免疫治疗耐药相关
研究首先分析了两个免疫治疗相关的单细胞RNA测序数据集，发现乳酸代谢（LM）水平升高的恶性细胞在免疫治疗无应答组（NR）中显著富集。这一结果在另一个独立数据集中得到验证，表明LM上调与免疫治疗耐药密切相关。
2、使用泛癌scRNA-seq队列建立LM. SIG
研究者利用泛癌单细胞RNA测序队列，通过GSVA分析和相关性筛选，构建了一个包含84个基因的乳酸代谢特征基因集（LM.SIG）。这些基因与乳酸代谢相关通路（如NADH、TCA循环）及免疫活性基因（如C1QBP、LDHA）密切相关。功能注释显示，LM.SIG主要富集在乳酸代谢、致瘤途径以及免疫活性相关通路。
3、基于泛癌TCGA队列的LM. SIG免疫图谱
在泛癌水平上，研究发现LM.SIG评分与抗肿瘤免疫细胞（如NK细胞、细胞毒性淋巴细胞）的浸润呈显著负相关，且与氧化磷酸化、DNA修复等免疫抑制通路相关。这表明高LM.SIG评分的肿瘤往往具有更弱的抗肿瘤免疫能力。
4、LM.SIG的免疫治疗反应预测
研究者将8个免疫治疗相关的转录组数据集分为训练集、验证集和测试集，并使用7种机器学习算法训练模型。通过10次重复5倍交叉验证，确定了最佳的LM.SIG模型。测试结果表明，LM.SIG能够有效预测泛癌数据集中免疫治疗的反应。
5、LM.SIG 的生存预测
研究者基于SurvBenchmark设计了生存模型，并利用TCGA泛癌患者数据集训练LM.SIG预后模型。评估结果显示，MTLR_GA模型被确定为最佳模型，表明LM.SIG能够有效预测患者的生存率。
6、使用CRISPR研究从LM. SIG产生的潜在治疗靶点
研究者从17个CRISPR数据集中筛选出潜在的免疫治疗靶点基因。通过与已发表的免疫治疗反应特征基因集比较，发现LM.SIG的基因占比更高。进一步分析显示，LDHA基因是LM.SIG与CRISPR数据集的交集基因，且在多个数据集中表现出显著的生存预测能力。
7、LDHA缺乏增强胰腺癌的抗肿瘤免疫和免疫治疗反应
研究者在胰腺癌类器官模型中验证了LDHA基因敲除的抗肿瘤效果。实验结果显示，LDHA的敲除显著减慢了类器官的生长速度，并增强了免疫细胞的抗肿瘤活性。具体表现为：
LDHA敲除的类器官中Ki-67表达降低，表明肿瘤增殖减缓。
共培养的CD8+ T细胞表现出更强的抗肿瘤活性，免疫检查点基因（如PD-1、CTLA-4）表达上调。
巨噬细胞从促肿瘤的M2型向抗肿瘤的M1型极化。
在小鼠模型中，LDHA敲除的肿瘤对PD-1免疫治疗的反应更为显著，肿瘤生长受到更明显的抑制。
本研究不仅揭示了乳酸代谢在免疫治疗耐药中的关键作用，还通过大数据分析和机器学习算法构建了具有临床应用前景的生物标志物集（LM.SIG）。该研究为精准免疫治疗提供了新的靶点和预测工具，有望改善肿瘤患者的治疗效果。未来的研究可以进一步探索LM.SIG在其他癌症类型中的应用，并通过临床试验验证其在免疫治疗决策中的实际价值。
如您有更多课题实验需求，或者您对更多热点研究感兴趣，想进一步探索、申请基金或写文章，我们将有专业编辑评估思路，提供从实验设计到实验实施、数据解读、文章/标书产出润色的一站式科研管理服务，为您科研之路保驾护航。备注“实验”可领更多福利优惠!请联系我们。
