Identification of diagnostic biomarkers and immune infiltration analysis in prostate cancer bone metastasis based on EMT-NM- related genes

기술 요약: EMT-NM 관련 유전자에 기반한 전립선암 골전이의 진단 바이오마커 식별 및 면역 침윤 분석

문제 제기
전립선암(PCa)은 남성에게 발생하는 주요 악성 종양이며, 뼈는 가장 빈번한 원격 전이 부위이다. 초기 단계의 전립선암은 생존율이 높지만, 골전이(BMPCa)가 발생하면 5년 생존율은 약 25%로 급격히 감소한다. 현재의 임상 현장에는 BMPal의 조기 진단을 위한 고감도 및 고특이도 분자 바이오마커가 부족하여, 치료 개입 시기를 놓치는 경우가 빈번하다. 또한, 종양의 침습성을 유도하는 과정인 상피-간엽 이행(EMT)과 빠른 증식을 지원하는 뉴클레오타이드 대사(NM) 사이의 상호작용은 골전이 맥락에서 아직 충분히 탐구되지 않았다. 아울러, 이러한 대사 및 전이 과정과 관련된 골전이 특유의 면역 미세환경적 특징에 대한 규명도 필요하다.

연구 방법론
본 연구는 진단 바이오마커를 식별하기 위해 전사체 데이터 분석과 다중 머신러닝 알고리즘을 통합한 생물정보학 기반 접근법을 사용하였다.

• 데이터 소스: GEO 데이터베이스로부터 전사체 프로파일을 확보하였으며, GSE32269를 훈련 세트(PCa 22개, BMPCa 29개 샘플)로, GSE77930을 검증 세트(PCa 22개, BMPCa 20개 샘플)로 활용하였다.
• 유전자 선택: 연구진은 GeneCards 데이터베이스에서 5,596개의 EMT 관련 유전자와 605개의 NM 관련 유전자를 추출하였다.
• 차등 발현 분석: "limma" 패키지를 사용하여 PCa 그룹과 BMPCa 그룹 간의 차등 발현 유전자(DEGs)를 식별하였다 (조정된 P < 0.05, |log2FC| > 1.5).
• 후보군 스크리닝: DEGs, EMT 관련 유전자, NM 관련 유전자의 교집합을 통해 7개의 후보 유전자를 도출하였다.
• 머신러닝 통합: 훈련 코호트에서 견고한 진단 특징을 선별하기 위해 LASSO 회귀, Boruta 특징 선택, Random Forest(RF) 등 세 가지 알고리즘을 적용하였다. 최종 특징 유전자는 이 세 모델의 결과를 교차하여 결정되었다.
• 검증 및 모델링: 선택된 유전자의 발현 패턴을 Wilcoxon 순위합 검정을 통해 훈련 및 검증 코호트 모두에서 검증하였다. 진단 가치를 평가하기 위해 수신자 조작 특성(ROC) 곡선을 생성하였다. 최종 바이오마커를 기반으로 노모그램 모델을 구축하고 ROC 분석, 교정 곡선, 결정 곡선 분석(DCA)을 사용하여 평가하였다.
• 기능 및 면역 분석: 관련 신호 전달 경로를 탐색하기 위해 유전자 세트 풍부도 분석(GSEA)을 수행하였다. 단일 샘플 GSEA(ssGSEA)를 사용하여 면역 세포 침윤을 정량화하였으며, 이어서 바이오마커와 면역 세포군 사이의 상관관계 분석을 수행하였다.

주요 결과

• 바이오마커 식별: 초기 7개의 후보 유전자 중 머신러เรียน 알고리즘의 교집합을 통해 S100A8, CENPF, PLOD2, TYMS, KPNA2의 5개 특징 유전자를 식별하였다. 추가적인 발현 분석 결과, 훈련 및 검증 데이터셋 모두에서 S100A8과 PLOD2만이 BMPCa 샘플에서 유의하게 과발현됨을 확인하였다.
• 진단 성능: S100A8과 PLOD2는 모두 강력한 진단 잠재력을 보여주었다. 훈련 코호트에서 S100A8과 PLOD2는 각각 0.82와 0.83의 곡선 아래 면적(AUC) 값을 달성하였다. 검증 코호트에서의 AUC 값은 각각 0.76과 0.72였다.
• 노모그램 구축: S100A8과 PLOD2의 발현 수준을 통합한 노모그램을 구축하였다. 이는 훈련 세트에서 AUC 0.89를 기록하며 우수한 진단 성능을 보였다. 교정 곡선은 예측값과 관찰값 사이의 양호한 일치도를 나타냈으며(Hosmer–Lemeshow P > 0.05, 평균 절대 오차 = 0.064), DCA는 모델의 임상적 유용성을 확인하였다.
• 경로 풍부도: GSEA 결과, S100A8은 리보솜 생합성, 산화적 인산화 및 자연 살해(NK) 세포 매개 세포 독성과 관련된 경로에 풍부함을 보였다. PLOD2는 세포외 기질(ECM)-수용체 상호작 작용, 세포 주기 및 국소 접착(focal adhesion)과 관련된 경로에 풍부함을 보였다.
• 면역 침윤: 면역 침윤 분석을 통해 PCa와 BMPCa 그룹 간에 유의하게 차이 나는 14가지 면역 세포 유형을 식별하였다. S100A8 발현과 골수 유래 억제 세포(MDSC) 침윤 사이에는 강한 양의 상관관계(상관계수 r = 0.803)가 관찰되었다.

의의 및 주장
저자들은 본 연구가 골전이 전립선암의 조기 진단 및 정밀 미세환경 표적 치료를 위한 새로운 이론적 근거를 제공한다고 주장한다. EMT와 NM 관련 유전자 세트를 통합함으로써, 본 연구는 S100A8과 PLOD2를 견고한 진단 바이오마커로 성공적으로 식별하였다. 구축된 노모그램은 임상 예측을 위한 가치 있는 도구로서 제시되며, 고위험 환자의 조기 선별을 용이하게 하기 위해 기존의 병리학적 진단을 보완할 수 있다.

또한, S100A8과 MDSC 침윤 사이의 강력한 연관성 발견은 BMPCa의 면역 미세환경에 대한 새로운 통찰을 제공한다. 저자들은 S100A8이 MDSC를 모집하는 화학 주성 신호로 작용하여 T 세포 기능을 억제하고 면역 회피를 촉진할 수 있다고 제안한다. 이러한 발견은 S100A8을 조기 탐지 및 정밀 치료 개입을 위한 잠재적 타겟로 강조한다.

한계점
저자들은 본 연구가 상대적으로 작은 샘플 크기와 잠재적인 인구 통계학적 이질성이라는 한계를 가지고 있음을 인정하며, 이를 위해 다기관, 대규모 전향적 연구를 통한 엄격한 외부 검증이 필요함을 명시하였다. 또한, 장기 추적 관찰 데이터의 부재로 인해, 이러한 바이오마커들이 장기적인 임상 결과(예: 무진행 생존율)에 미치는 독립적인 예후 가치를 평가할 수 없었다.