「核医学专栏」南京医科大学附属肿瘤医院|结合PET/CT放射组学和葡萄糖代谢相关基因特征的非小细胞肺癌放射基因组学预后模型的开发和验证
今天分享一篇来自南京医科大学附属肿瘤医院、2025年5月发表于《Eur J Nucl Med Mol Imaging》（新锐期刊分区1区、IF=7.6分）的研究。研究针对非小细胞肺癌（NSCLC）的高度异质性和葡萄糖代谢异常特征，提出并验证了一个创新的影像基因组学预后模型（RGC-score）。研究整合了PET/CT影像组学数据与葡萄糖代谢相关基因表达谱，首次系统性地将肿瘤代谢的影像表型与分子机制进行关联分析。通过LASSO回归构建多模态模型，并在独立数据集中验证其预测性能。结果显示，RGC-score不仅能够显著区分不同预后风险的患者群体，还具有优异的1年和5年生存预测能力（AUC分别达0.907和0.968）。此外，研究进一步揭示了葡萄糖代谢相关基因与肿瘤免疫微环境（尤其是CD8+ T细胞浸润）及药物敏感性之间的密切关系，为NSCLC的个体化治疗和免疫治疗反应预测提供了新的理论依据和工具。本文具有较强的创新性和临床转化潜力。论文题目：Development and validation of a radiogenomics prognostic model integrating PET/CT radiomics and glucose metabolism-related gene signatures for non-small cell lung cancer一、背景与引入
❓问题：NSCLC具有高度异质性，患者预后差异大，传统临床指标难以精准预测。葡萄糖代谢异常（如Warburg效应）在NSCLC中普遍存在，与肿瘤增殖、免疫逃逸和治疗抵抗密切相关。现有研究多单独使用PET/CT影像组学或代谢相关基因表达数据，缺乏对代谢表型与分子机制之间相互关系的系统整合。
✅解决：提出并验证一个多模态影像基因组学预后模型（RGC-score），首次将PET/CT影像组学与葡萄糖代谢相关基因表达谱深度融合。
✅思路：利用FDG-PET/CT评估肿瘤代谢异质性，结合转录组数据揭示代谢调控的分子基础。通过LASSO-Cox回归筛选关键特征，构建融合模型，并分析其与免疫微环境、免疫治疗及药物敏感性的关系，实现精准预后分层。
二、思路实现
✅数据来源与处理：
影像数据来自TCIA（NSCLC-Radiogenomics、TCGA-LUAD/LUSC），基因表达数据来自GEO（GSE103584）和TCGA。
最终纳入156例具有完整影像和转录组数据的初治NSCLC患者。
提取HALLMARK_GLYCOLYSIS等三个基因集，获得葡萄糖代谢相关基因（GMR-genes）。
✅特征提取与筛选：
PET/CT影像组学特征使用PyRadiomics提取，包括一阶统计、形态和纹理特征。
通过Z-score标准化、去除高相关特征（r > 0.8）、Kaplan-Meier初筛、LASSO回归（10折交叉验证）进行特征筛选。
✅模型构建：
构建三个模型：R-score（仅影像组学）、G-score（仅基因表达）、RGC-score（融合模型）。
RG-score为影像组学与基因表达融合后的评分，再与临床变量（年龄、分期）结合，通过Cox回归构建最终RGC-score。
基于中位数将患者分为高/低风险组，使用Kaplan-Meier、时间依赖ROC、校准曲线、DCA评估模型性能。
✅功能与机制分析：
GO/KEGG富集分析GMR基因功能。
ssGSEA计算GMR-score，评估其与生存、免疫浸润（TIMER、MCP-counter等）、免疫检查点基因及药物敏感性（GDSC数据库）的关系。
三、结果解读
✅模型预测性能优越：
RGC-score在训练集中1年和5年AUC分别达到0.907和0.968，显著优于单一模态模型。
高/低风险组间生存差异极显著（HR=76.35，P<0.001），模型具有良好的风险分层能力。
在独立验证集（n=32）中1年AUC为0.845，校准曲线和DCA均显示出良好的一致性和临床净收益。
✅多模态特征具有生物学相关性：
影像组学特征（如wavelet-LHL.glrlm.ShortRunLowGrayLevelEmphasis）与GMR基因（如NCOA2、SLC2A3）显著相关（r=0.25~0.26），表明影像表型可间接反映肿瘤代谢分子状态。
Sankey图显示，基因组特征在模型中贡献权重最高，提示分子信息对预后预测的主导作用。
✅GMR基因与免疫及药物敏感性密切相关：
GMR基因富集于线粒体代谢、羧酸代谢等通路，与肿瘤代谢重塑一致。
GMR-score与CD8+ T细胞浸润显著正相关，并与多个免疫检查点分子（PDCD1、CTLA4、CD274等）表达相关，提示其在免疫调控中的潜在作用。
高GMR-score患者对Navitoclax（BCL-2抑制剂）更敏感，低GMR-score患者对FH535（Wnt/β-catenin抑制剂）更敏感，为个体化靶向治疗提供线索。
图1：本研究的工作流程图。整合TCIA数据库中初诊NSCLC患者的PET/CT影像与TCGA/GEO的转录组数据，提取影像组学特征并筛选葡萄糖代谢相关基因，逐步构建单模态（R-score、G-score）及融合模型（RGC-score），并进行性能验证与生物学分析。
图2：单组学模型的构建。A：影像组学模型构建；B：基因组学模型构建；C：基于中位数的影像组学模型Kaplan-Meier生存分析；D：基于中位数的基因组学模型Kaplan-Meier生存分析。
图3：多组学模型构建。A：LASSO回归筛选的影像基因组学特征；B：列线图构建；C：基于中位数的RGC-score Kaplan-Meier生存分析；D：RGC-score与各参数的热图分析。
图4：RGC-score模型在训练队列中的预测性能评估。A-B：1年和5年总生存期的ROC曲线；C：时间依赖的ROC分析；D：1年和5年结果的校准曲线；E-F：1年和5年结果的决策曲线分析。
图5：多模态特征间的相关性分析。A：RGC-score模型中影像组学与基因组学特征相关性的热图；B：影像组学特征与基因组学特征相关性的弦图；C：特征组成的桑基图。
图6：GMR基因的功能富集与预后分析。A：GMR基因的GO富集分析；B：GMR基因的KEGG通路富集分析；C：基于GMR评分的生存分析。
图7：GMR评分与肿瘤免疫微环境及药物敏感性的相关性分析。A：GMR评分与多种免疫细胞浸润水平相关性的热图；B：GMR评分与CD8+ T细胞浸润相关性的散点图；C：GMR基因与免疫检查点分子表达相关性的热图；D：基于GDSC数据库的GMR评分与多种抗肿瘤药物敏感性的相关性分析。
