AGPAT3 通过脂质重塑改变肿瘤细胞对 IFNγ 介导的铁死亡的敏感性，并增强免疫疗法的疗效。

1. 领域背景与文献

文献英文标题：AGPAT3 reshapes tumor cell vulnerability to IFNγ-mediated ferroptosis and enhances immunotherapy efficacy through lipid remodeling；

发表期刊：Journal for ImmunoTherapy of Cancer；影响因子：未公开；研究领域：肿瘤免疫治疗与铁死亡代谢调控。
领域共识：免疫检查点抑制剂（ICIs）目前已成为多种实体瘤的一线治疗方案，可显著延长新辅助治疗和晚期肿瘤患者的生存期，但多数患者会在治疗过程中出现原发或获得性耐药，限制了其治疗效果。近年来，多组学技术结合机器学习方法已经被用于挖掘新型生物标志物，预测患者对ICIs治疗的响应，推动了肿瘤精准治疗的发展。铁死亡是一种不同于凋亡、坏死和自噬的调节性细胞死亡，特征为依赖细胞内铁、累积致死剂量的脂质过氧化物，已有研究证实铁死亡可通过与抑癌基因相互作用发挥天然抗肿瘤效应，CD8+T细胞活化后分泌的干扰素γ（IFN-γ）可促进肿瘤细胞脂质过氧化，增加肿瘤对铁死亡的敏感性，进而调控ICIs的治疗效果。

尽管现有研究已经明确了铁死亡与ICIs疗效之间的关联，但是干扰素γ、铁死亡与ICIs疗效之间的具体分子调控机制仍不明确，缺乏明确的代谢调控靶点和有效的预测生物标志物。本研究针对这一研究空白，基于铁死亡相关特征构建ICIs响应预测模型，挖掘干扰素γ调控铁死亡敏感性的关键分子，明确其调控机制，为改善ICIs治疗疗效提供新的靶点和预测标志物，具有重要的学术价值和临床转化潜力。

2. 文献综述解析

作者对现有研究的梳理维度按照“ICIs临床现状→耐药问题→现有预测研究进展→铁死亡与ICIs的关联→待解决的机制问题”展开，逻辑清晰层层递进。现有研究已经证实ICIs可显著延长患者生存，但是原发和获得性耐药是临床未解决的主要问题，整合多组学数据与机器学习模型挖掘预测标志物已经成为探索ICIs响应机制、推动精准治疗的有效手段，该方向已经取得了一定的进展。同时，现有研究也明确了铁死亡具有抗肿瘤效应，致癌突变可帮助肿瘤细胞逃避铁死亡，铁死亡可调控抗肿瘤免疫，进而影响ICIs的治疗效果，CD8+T细胞分泌的干扰素γ可促进肿瘤细胞脂质过氧化，增加铁死亡敏感性。现有研究的局限性在于，虽然已经观察到铁死亡与ICIs疗效的关联，但是干扰素γ调控铁死亡的具体分子机制，尤其是脂质代谢重塑在其中的作用仍不明确，缺乏可用于预测ICIs响应的特异性靶点和生物标志物。

本研究的创新价值明确，通过对比现有研究的缺口，本研究首次结合机器学习、多组学分析和体内外实验，明确了干扰素γ通过IRF1-AGPAT3轴调控多不饱和醚磷脂合成，进而增加肿瘤细胞铁死亡敏感性、增强ICIs疗效的新机制，填补了干扰素γ信号、脂质代谢重塑与铁死亡之间调控关联的研究空白，构建的铁死亡相关预测模型优于现有已报道的ICIs响应预测模型，为ICIs响应预测和增敏治疗提供了新的方向。

3. 研究思路总结与详细解析

本研究整体研究目标为构建基于铁死亡特征的ICIs响应预测模型，明确干扰素γ调控肿瘤细胞铁死亡敏感性的分子机制，挖掘影响ICIs疗效的新靶点；核心科学问题是干扰素γ如何通过调控脂质代谢重塑肿瘤细胞铁死亡敏感性，进而影响ICIs治疗疗效；技术路线遵循“多队列组学数据整合→机器学习构建预测模型→筛选关键调控分子→细胞实验验证分子功能→脂质组学明确代谢机制→动物实验验证体内疗效→临床队列验证临床价值”的逻辑，形成了从筛选到机制验证再到临床转化的完整研究闭环。

3.1 铁死亡特征模型构建与免疫治疗响应预测

实验目的：基于铁死亡相关基因构建可预测ICIs治疗响应的机器学习模型，筛选调控铁死亡和免疫治疗的关键分子。
方法细节：收集23个涵盖10种癌症类型的单细胞RNA测序数据集，分析肿瘤细胞与非肿瘤细胞的差异表达，结合已知铁死亡驱动基因构建铁死亡驱动特征（FD.sig）；整合13个ICIs治疗队列的转录组数据，按照7:3的比例随机分为训练集和测试集，使用8种机器学习算法训练模型，通过五折交叉验证减少过拟合，采用伪留一个队列外验证评估模型泛化能力，同时对比已报道的10种ICIs响应特征评估模型性能，最后通过细胞实验验证关键基因的功能。
结果解读：最终筛选得到包含12个基因的FD.sig，其中随机森林模型（FD.model）性能最优，训练集曲线下面积（AUC）为1，测试集AUC为0.74，优于所有已报道的现有预测模型，在多个独立验证队列中AUC均大于0.75，平均AUC高于其他模型；其中IFNG是模型中重要性最高的基因，ICIs治疗响应者的FD.score显著高于无响应者，FD.score与IFNG表达呈显著正相关（所有队列P<0.05）。细胞实验验证显示，干扰素γ单独处理不会诱导肿瘤细胞死亡，但干扰素γ预处理可显著增加RSL3诱导的细胞死亡，脂质活性氧水平随干扰素γ孵育时间延长显著升高（文献未明确提供具体数值，基于图表趋势推测），证实干扰素γ可增强肿瘤细胞铁死亡敏感性。
实验所用关键产品：ABclonal的人干扰素γ（货号RP01038）、ABclonal的细胞计数试剂盒8（货号RM02823）；Proteintech的AGPAT3抗体（货号25723-1-AP）、β-肌动蛋白抗体（货号66009-1-Ig）；Abcam的GPX4抗体（货号ab125066）；CST的IRF1抗体（货号8478）；Selleck的RSL3（货号S8155）、Ferrostatin-1（货号S7243）。

3.2 脂质组学分析干扰素γ诱导的脂质重塑

实验目的：明确干扰素γ调控铁死亡敏感性的脂质代谢变化特征，筛选关键的功能脂质。
方法细节：用干扰素γ处理人黑色素瘤A375细胞和人肺癌H1299细胞，收集样本进行液相色谱-串联质谱脂质组学分析，分类鉴定不同脂质类别和脂质分子的表达变化，筛选差异表达脂质后进行体外功能验证，同时结合转录组通路富集分析验证结果。
结果解读：干扰素γ处理后，肿瘤细胞内甘油磷脂组分显著增加，甘油酯组分显著降低；多不饱和脂肪酸和单不饱和脂肪酸含量升高，饱和脂肪酸和极长链多不饱和脂肪酸含量降低；进一步分析磷脂亚类发现，醚磷脂（包括醚磷脂酰胆碱和醚磷脂酰乙醇胺）相对于酯磷脂优先升高，其中PC-O-18:1_20:4和PE-O-16:1_20:4在两种细胞系中均显著升高；体外功能验证显示，多不饱和醚磷脂PE18_20:4、PC18_20:4、PE18_22:6、PC18_22:6均可增加肿瘤细胞铁死亡敏感性，其中PE18_20:4的增敏效应最显著；京都基因与基因组百科全书通路富集分析显示，干扰素γ处理24小时后，甘油磷脂代谢和醚脂质代谢通路富集显著增强，与脂质组学结果一致。
实验所用关键产品：Avanti Polar Lipids的多种标准磷脂（PC18_20:4货号852469、PC18_18:1货号852467、PC18_22:6货号852472、PE18_20:4货号852804、PE18_18:1货号852758、PE18_22:6货号852806）。

3.3 IRF1-AGPAT3调控轴的机制验证

实验目的：筛选干扰素γ调控醚脂质合成的关键基因，验证其转录调控机制和功能。
方法细节：对干扰素γ处理后的细胞进行转录组分析，筛选差异表达的脂质代谢基因，通过短发夹RNA敲降验证基因功能；整合已发表的染色质免疫沉淀测序（ChIP-seq）数据，结合CUT&Tag测序验证干扰素γ下游转录因子IRF1对AGPAT3的转录调控作用；敲降AGPAT3后进行脂质组学分析，明确AGPAT3对醚脂质合成的调控作用。
结果解读：转录组分析显示，干扰素γ处理后AGPAT3的上调幅度最显著，蛋白质印迹（WB）验证确认了这一结果；敲降AGPAT3、AGPS、GNPAT后，干扰素γ诱导的脂质活性氧升高和细胞死亡增加效应被消除，其中AGPAT3的作用最为显著；ChIP-seq和CUT&Tag测序结果显示，干扰素γ处理后IRF1在AGPAT3启动子区域的结合峰强度显著增加，敲降IRF1可显著降低AGPAT3蛋白表达，显著削弱干扰素γ诱导的铁死亡（P<0.05）；AGPAT3敲降后，细胞内总醚磷脂水平，尤其是多不饱和醚磷脂PE-O-18:1_20:4、PE-O-18:1_22:6水平显著降低，且干扰素γ刺激无法逆转这一降低；功能实验显示，敲降AGPAT3后，多不饱和磷脂无法再增加RSL3诱导的细胞死亡，证实AGPAT3是调控铁死亡敏感性的关键分子；此外研究证实，AGPAT3调控铁死亡不影响基础细胞增殖，也不影响经典铁死亡通路分子ACSL4、GPX4、FSP1的表达，提示其通过调控脂质可用性而非直接调控核心铁死亡通路发挥作用。
实验所用关键产品：Vazyme Biotech的Hyperactive In-Situ ChIP Library Prep Kit（货号TD903-TD904）；RiboBio的riboFECT CP Transfection Kit（货号C10511-05）。

3.4 体内实验验证AGPAT3的功能

实验目的：在动物模型中验证AGPAT3对干扰素γ介导铁死亡和ICIs治疗疗效的调控作用。
方法细节：构建AGPAT3敲降的小鼠肺癌LLC细胞和小鼠黑色素瘤B16F10细胞，接种于雄性C57BL/6小鼠建立皮下荷瘤模型；首先分为野生型和AGPAT3敲降背景下的对照组、干扰素γ处理组、RSL3处理组、RSL3联合干扰素γ处理组，共8组，验证AGPAT3对干扰素γ介导铁死亡的调控；进一步构建ICIs治疗模型，分为对照组、干扰素γ处理组、AGPAT3敲降组、抗PD-1处理组、干扰素γ联合抗PD-1处理组，检测肿瘤生长体积、重量，通过流式细胞术分析肿瘤浸润免疫细胞比例，通过WB检测肿瘤组织铁死亡相关分子的表达。
结果解读：体外预实验证实AGPAT3敲降不影响小鼠肿瘤细胞的基础增殖，干扰素γ处理可上调AGPAT3表达，敲降AGPAT3可消除干扰素γ的铁死亡增敏效应；体内铁死亡验证实验显示，RSL3联合干扰素γ处理可显著抑制肿瘤生长，而敲降AGPAT3后，这一协同抑瘤效应消失（n=5，P<0.05）；ICIs治疗实验显示，抗PD-1单药可显著缩小肿瘤体积，干扰素γ联合抗PD-1的抑瘤效果显著增强，而敲降AGPAT3后，这一协同效应消失（n=5，P<0.05）；流式细胞术分析显示，干扰素γ联合抗PD-1处理可显著增加CD8+干扰素γ+T细胞比例，降低CD8+TIM3+T细胞比例，增加M1巨噬细胞比例，降低M2巨噬细胞比例，这些免疫重编程效应均依赖AGPAT3的表达；肿瘤组织WB显示，联合处理组GPX4和FSP1表达显著降低，AGPAT3表达显著升高，证实肿瘤组织铁死亡水平升高，这一效应也完全依赖AGPAT3。
实验所用关键产品：BioLegend的多种流式抗体（CD45-AF700货号103128、IFN-γ-PE-cy7货号505826等）。

3.5 临床队列验证AGPAT3的临床价值

实验目的：在泛癌临床队列中验证AGPAT3与铁死亡、免疫浸润和ICIs治疗响应的关联。
方法细节：基于癌症基因组图谱（TCGA）泛癌转录组数据和临床数据，分析AGPAT3表达与铁死亡评分、免疫浸润的相关性；在多个独立ICIs治疗队列中，分析AGPAT3表达与患者预后和治疗响应的关联。
结果解读：在大多数癌症类型中，AGPAT3表达与铁死亡评分FD.score呈显著正相关，其中皮肤黑色素瘤（p=1.1E−5）、肺鳞状细胞癌（p=0.049）；AGPAT3表达与IFNG表达显著正相关，与CD8+效应T细胞评分显著正相关，证实AGPAT3与活化的抗肿瘤免疫微环境相关；在多个独立ICIs治疗队列中，AGPAT3表达在治疗响应者中显著高于无响应者，高AGPAT3表达患者的总生存显著更好（P<0.05）；AGPAT3表达与PD-L1表达呈显著正相关，在TCGA队列中与卵巢癌和肺腺癌的肿瘤突变负荷显著相关，证实其作为ICIs响应预测生物标志物的潜力。

4. Biomarker研究及发现成果

本研究发现的生物标志物是AGPAT3，属于基因表达类预测生物标志物，筛选验证逻辑完整：首先通过多组学整合和机器学习构建铁死亡预测模型，筛选得到关键候选基因AGPAT3，之后通过细胞实验验证其调控铁死亡的功能，通过脂质组学明确其调控脂质代谢的机制，再通过动物实验验证其调控ICIs治疗疗效的作用，最后通过泛癌临床队列和多个独立ICIs治疗队列验证其临床预测价值。

AGPAT3的表达数据来源于肿瘤组织转录组检测，验证方法包括转录组差异分析、WB验证、流式细胞术分析免疫细胞浸润、临床生存分析等。研究数据显示，AGPAT3表达在ICIs治疗响应者中显著高于无响应者（Imvigor210、GSE165278队列均验证，P<0.05），在皮肤黑色素瘤中AGPAT3表达与铁死亡评分呈显著正相关（p=1.1E−5），高AGPAT3表达的ICIs治疗患者预后显著更好（Snyder2017队列，P<0.05），原文未提供该标志物单独预测的特异性、敏感性和AUC数据。

本研究的核心成果为：首次明确了AGPAT3是干扰素γ下游调控醚脂质合成和铁死亡敏感性的关键分子，AGPAT3高表达提示肿瘤具有更高的铁死亡水平和更活化的抗肿瘤免疫微环境，与ICIs治疗更好响应显著相关，可作为ICIs治疗响应的新型预测生物标志物，同时AGPAT3也是潜在的治疗增敏靶点。本研究填补了干扰素γ信号通过脂质重塑调控铁死亡的机制空白，为ICIs增敏提供了新方向，推测：靶向AGPAT3介导的醚脂质代谢通路，有望成为增强铁死亡和ICIs疗效的新治疗策略，目前由于公开队列缺乏完整临床协变量数据，未进行多因素Cox回归分析，未来需要在标注完整的大样本临床队列中验证AGPAT3的独立预测价值。