［摘要］ 目的

探討基于細(xì)胞鐵死亡相關(guān)的基因構(gòu)建胰腺導(dǎo)管腺癌（pancreatic ductal adenocarcinoma，PDAC）患者預(yù)后風(fēng)險(xiǎn)評分模型及其應(yīng)用價值。

方法 從癌癥基因組圖譜（TCGA）數(shù)據(jù)庫、基因表達(dá)綜合數(shù)據(jù)庫和基因型組織表達(dá)數(shù)據(jù)庫中獲取PDAC及正常胰腺組織的轉(zhuǎn)錄組測序數(shù)據(jù)和PDAC患者總體生存期（OS）等臨床資料，從GeneCards數(shù)據(jù)庫獲取細(xì)胞鐵死亡相關(guān)基因資料。通過R軟件篩選PDAC組織與正常胰腺組織間差異表達(dá)基因（DEGs）。利用單因素Cox回歸分析和LASSO回歸分析構(gòu)建PDAC患者預(yù)后風(fēng)險(xiǎn)評分模型，通過該風(fēng)險(xiǎn)評分模型將TCGA數(shù)據(jù)庫中PDAC病例分為高、低風(fēng)險(xiǎn)兩組，繪制Kaplan-Meier生存分析曲線，比較兩組患者OS。通過CCK-8實(shí)驗(yàn)和免疫印跡實(shí)驗(yàn)進(jìn)一步驗(yàn)證該風(fēng)險(xiǎn)評分模型中細(xì)胞鐵死亡關(guān)鍵基因與PDAC細(xì)胞鐵死亡間的關(guān)系。

結(jié)果 成功構(gòu)建了由SLC6A14、DKK1、KRT19、AURKA、EMP1、ANXA2、LGALS3 7個細(xì)胞鐵死亡相關(guān)基因構(gòu)成的PDAC患者預(yù)后風(fēng)險(xiǎn)評分模型；Kaplan-Meier生存分析曲線顯示，低風(fēng)險(xiǎn)組患者的OS顯著長于高風(fēng)險(xiǎn)組（Plt;0.05）。CCK-8實(shí)驗(yàn)結(jié)果顯示，PDAC細(xì)胞系中AsPC-1及BxPC-3細(xì)胞AURKA敲降組第3～5天的細(xì)胞存活率均顯著低于陰性對照組（t=4.57～12.84，Plt;0.05）；免疫印跡實(shí)驗(yàn)結(jié)果顯示，AsPC-1及BxPC-3細(xì)胞的AURKA敲降組細(xì)胞中AURKA、SLC7A11、GPX4蛋白相對表達(dá)量均顯著低于陰性對照組（t=4.22～11.79，Plt;0.05）。

結(jié)論

AURKA基因的下調(diào)可能通過促進(jìn)PDAC細(xì)胞鐵死亡的發(fā)生導(dǎo)致PDAC的發(fā)生發(fā)展，基于細(xì)胞鐵死亡相關(guān)基因的風(fēng)險(xiǎn)評分模型對PDAC患者的預(yù)后評估具有重要參考價值。

［關(guān)鍵詞］ 癌，胰腺管；鐵死亡；基因表達(dá)；回歸分析；預(yù)后；計(jì)算生物學(xué)；數(shù)據(jù)庫，遺傳學(xué)

［中圖分類號］ R735.9

［文獻(xiàn)標(biāo)志碼］ A

Establishment of a prognostic risk scoring model for patients with pancreatic ductal adenocarcinoma based on cell ferroptosis-related genes and its application value

QING Gong， JING Xue， JIANG Yueping

（Department of Gastroenterology， The Affiliated Hospital of Qingdao University， Qingdao 266003， China）

; ［ABSTRACT］＼ Objective To establish a prognostic risk scoring model for patients with pancreatic ductal adenocarcinoma （PDAC） based on cell ferroptosis-related genes， and to investigate its application value.

Methods The Cancer Genome Atlas （TCGA） database， Gene Expression Omnibus database， and Genotype-Tissue Expression database were used to obtain the transcriptome sequencing data of PDAC tissue and normal pancreatic tissues and the clinical data of PDAC patients including overall survival （OS）， and the GeneCards database was used to obtain the data on cell ferroptosis-related genes. R software was used to identify the differentially expressed genes （DEGs） between PDAC tissue and normal pancreatic tissue. The univariate Cox regression analysis and LASSO regression were used to establish a prognostic risk scoring model for PDAC patients， and based on this risk scoring model， the PDAC cases in TCGA database were divided into low- and high-risk groups. The Kaplan-Meier survival curves were plotted to compare OS between the two groups. CCK-8 assay and Western blotting were used to further validate the association between the key genes of cell ferroptosis in the risk scoring model and cell ferroptosis in PDAC.

Results A prognostic risk scoring model for PDAC patients was successfully established based on seven cell ferroptosis-related genes， i.e.， SLC6A14， DKK1， KRT19， AURKA， EMP1， ANXA2， and LGALS3， and the Kaplan-Meier survival curve showed that the low-risk group had a significantly longer OS than the high-risk group （Plt;0.05）. CCK-8 showed that compared with the negative control group， the AURKA knockdown group of AsPC-1 and BxPC-3 PDAC cell lines had a significantly lower viability on days 3-5 （t=4.57-12.84，Plt;0.05）， and Western blotting showed that compared with the negative control group， the AURKA knockdown group of AsPC-1 and BxPC-3 cells had significantly lower relative protein expression levels of AURKA， SLC7A11， and GPX4 （t=4.22-11.79，Plt;0.05）.

Conclusion Downregulation of the AURKA gene may lead to the development and progression of PDAC by promoting ferroptosis in PDAC cells， and the risk scoring model based on cell ferroptosis-related genes has a significant reference value for the prognostic assessment of PDAC patients.

［KEY WORDS］ Carcinoma， pancreatic cuctal; Ferroptosis; Gene expression; Regression analysis; Prognosis; Computatio-

nal biology; Databases， genetic

胰腺導(dǎo)管腺癌（pancreatic ductal adenocarcinoma，PDAC）是一種侵襲性強(qiáng)且生存預(yù)后極差的惡性腫瘤［1-2］。預(yù)估到2030年，其可能上升為人類癌癥相關(guān)死亡的第二病因［3］。PDAC的治療方法主要包括手術(shù)切除、放療、化療、介入治療及靶向治療等［4］。目前根治性手術(shù)仍是實(shí)現(xiàn)PDAC治愈并延長患者生存期的主要治療方法，然而全世界只有不到20%的患者在診斷時具有手術(shù)適應(yīng)證［5］。細(xì)胞鐵死亡是一種不同于細(xì)胞凋亡、自噬以及壞死的細(xì)胞死亡方式［6-7］。近年來細(xì)胞鐵死亡在腫瘤治療中的潛在應(yīng)用價值被廣泛研究［8-9］。研究表明，癌細(xì)胞可能通過調(diào)節(jié)細(xì)胞鐵死亡通路來增強(qiáng)自身抗氧化能力，從而更好地適應(yīng)腫瘤微環(huán)境，增加對各類治療的抵抗，最終影響癌癥患者的預(yù)后［10-11］。目前關(guān)于細(xì)胞鐵死亡相關(guān)基因?qū)DAC患者預(yù)后的評估價值尚缺乏深入研究。本研究嘗試構(gòu)建一個基于細(xì)胞鐵死亡相關(guān)基因評估PDAC患者預(yù)后的風(fēng)險(xiǎn)評分模型，并通過體外細(xì)胞實(shí)驗(yàn)初步探討該風(fēng)險(xiǎn)評分模型篩選出的細(xì)胞鐵死亡關(guān)鍵基因與PDAC發(fā)生間的關(guān)系，以期能為PDAC的早期診斷及預(yù)后評估提供新的理論依據(jù)，為PDAC患者靶向治療研究提供新方向。

1 資料與方法

1.1 一般資料的獲取與處理

從癌癥基因組圖譜（TCGA）數(shù)據(jù)庫（https：//portal.gdc.cancer.gov/）、基因表達(dá)綜合（GEO）數(shù)據(jù)庫（https：//www.ncbi.nlm.nih.gov/geo/）中的兩個數(shù)據(jù)集（GSE183795、GSE62452）以及基因型組織表達(dá)（GTEx）數(shù)據(jù)庫（http：//commonfund.nih.gov/GTEx/）中獲取PDAC及正常胰腺組織的轉(zhuǎn)錄組測序數(shù)據(jù)和PDAC患者總體生存期（OS）等臨床資料，并從GeneCards數(shù)據(jù)庫（https：//www.genecards.org/）中獲取787個細(xì)胞鐵死亡相關(guān)基因。用R語言limma軟件包對TCGA數(shù)據(jù)庫中PDAC組織與GTEx數(shù)據(jù)庫中正常胰腺組織的mRNA轉(zhuǎn)錄組測序數(shù)據(jù)進(jìn)行細(xì)胞鐵死亡相關(guān)基因的差異表達(dá)分析，篩選標(biāo)準(zhǔn)為|log2FC|＞3且p.adjlt;0.05。

1.2 基于細(xì)胞鐵死亡相關(guān)基因的PDAC患者預(yù)后風(fēng)險(xiǎn)評分模型的構(gòu)建與評價

使用R語言survival軟件包對PDAC與正常胰腺組織間差異表達(dá)的細(xì)胞鐵死亡相關(guān)基因進(jìn)行單因素Cox回歸分析，以識別PDAC患者OS相關(guān)基因。將TCGA數(shù)據(jù)庫中PDAC病例作為訓(xùn)練集，GEO數(shù)據(jù)庫中PDAC病例作為驗(yàn)證集，使用R語言的glmnet軟件包通過LASSO回歸分析來構(gòu)建PDAC患者預(yù)后風(fēng)險(xiǎn)評分模型，通過該風(fēng)險(xiǎn)評分模型計(jì)算出所有患者的風(fēng)險(xiǎn)評分，并以風(fēng)險(xiǎn)評分中位數(shù)為閾值分別將訓(xùn)練集與驗(yàn)證集患者分為高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組。采用Kaplan-Meier（K-M）生存分析比較兩組患者OS差異，使用R語言survivalROC軟件包繪制受試者工作特征（ROC）曲線以評估模型預(yù)測效能，并選取模型中風(fēng)險(xiǎn)系數(shù)最高的基因進(jìn)行后續(xù)體外細(xì)胞實(shí)驗(yàn)。

1.3 PDAC組織與正常胰腺組織之間差異表達(dá)基因（DEGs）的富集分析

使用R語言clusterProfiler軟件包對PDAC組織與正常胰腺組織間DEGs進(jìn)行GO功能富集分析和KEGG通路分析［12］。同時使用limma軟件包聯(lián)合clusterProfiler軟件包對訓(xùn)練集中高、低風(fēng)險(xiǎn)組患者進(jìn)行基因集富集分析（GSEA）。

1.4 小干擾RNA（siRNA）轉(zhuǎn)染人胰腺腺癌細(xì)胞系細(xì)胞

使用Lipofectamine 3000將siRNA轉(zhuǎn)染到人胰腺腺癌細(xì)胞系A(chǔ)sPC-1細(xì)胞與BxPC-3細(xì)胞（購自武漢普諾賽生命科技有限公司）中。隨后將上述兩種細(xì)胞分別分為陰性對照組（siNC組）與AURKA敲降組（siAURKA組）。

1.5 CCK-8實(shí)驗(yàn)檢測AsPC-1細(xì)胞和BxPC-3細(xì)胞存活能力

將步驟1.4處理后的四組細(xì)胞分別置入96孔培養(yǎng)板中，每組細(xì)胞設(shè)置3個復(fù)孔，每孔中含4 000個細(xì)胞，隨后每孔中加入CCK-8溶液10 μL，置于37 ℃、含體積分?jǐn)?shù)0.05的CO2培養(yǎng)箱中孵育3 h，以酶標(biāo)儀測量各組溶液在波長450 nm處的吸光度（A）值并計(jì)算各組細(xì)胞存活率，四組細(xì)胞均連續(xù)測量5 d。細(xì)胞存活率=［（A實(shí)驗(yàn)孔-A空白孔）/（A對照孔-A空白孔）］×100%。

1.6 免疫印跡實(shí)驗(yàn)檢測AsPC-1細(xì)胞和BxPC-3細(xì)胞中AURKA、SLC7A11、GPX4蛋白相對表達(dá)量

使用包含PMSF和cocktail的RIPA蛋白裂解液從步驟1.4處理后的AsPC-1、BxPC-3細(xì)胞中提取總蛋白，以120 V恒壓60 min電泳分離蛋白，290 mA恒流90 min將蛋白轉(zhuǎn)移至PVDF膜上，并以50 g/L脫脂牛奶室溫封閉1 h。分別加入一抗AURKA（1∶1 000，美國CST公司）、GAPDH（1∶5 000，武漢三鷹生物技術(shù)有限公司）、SLC7A11（1∶1 000，美國ABclonal公司）、GPX4（1∶1 000，杭州華安生物技術(shù)有限公司），于4 ℃下孵育14～16 h。將HRP標(biāo)記的山羊抗兔或小鼠二抗（1∶5 000，上海碧云天生物技術(shù)有限公司）與PVDF膜在室溫下孵育1 h。加入ECL化學(xué)發(fā)光液顯影并拍照，使用Image J軟件分別分析AURKA、SLC7A11、GPX4及GAPDH蛋白條帶灰度值。以GAPDH作為內(nèi)參照，計(jì)算AURKA、SLC7A11、GPX4三種蛋白的相對表達(dá)量，結(jié)果取3次重復(fù)實(shí)驗(yàn)的均值。

1.7 統(tǒng)計(jì)學(xué)方法

采用R 4.2.1及Graphpad Prism軟件對數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析。服從正態(tài)分布的連續(xù)變量以x-±s表示，多組間比較采用單因素方差分析，組間兩兩比較采用t檢驗(yàn)；分類變量以例（率）表示，組間比較采用Wilcoxon檢驗(yàn)；采用K-M生存分析曲線進(jìn)行患者生存預(yù)后分析。以Plt;0.05為差異具有統(tǒng)計(jì)學(xué)意義。

2 結(jié)" 果

2.1 PDAC組織與正常胰腺組織間細(xì)胞鐵死亡相關(guān)基因的差異表達(dá)分析

從TCGA和GTEx數(shù)據(jù)庫共篩選出1 761個PDAC組織與正常胰腺組織的DEGs，從GeneCards數(shù)據(jù)庫共獲取787個細(xì)胞鐵死亡相關(guān)基因。將上述兩個基因集取交集，獲得72個細(xì)胞鐵死亡相關(guān)基因。將這72個基因使用survivalROC軟件包進(jìn)行Cox回歸分析，最終篩選出13個影響PDAC患者預(yù)后的相關(guān)基因（Plt;0.05），見表1。

2.2 PDAC患者預(yù)后風(fēng)險(xiǎn)評分模型的構(gòu)建與評價

將上述13個PDAC患者預(yù)后相關(guān)基因進(jìn)行LASSO回歸分析，最終篩選出SLC6A14、DKK1、KRT19、AURKA、EMP1、ANXA2、LGALS3等總計(jì)7個基因共同構(gòu)建風(fēng)險(xiǎn)評分模型。風(fēng)險(xiǎn)評分分值=0.031×

SLC6A14表達(dá)量＋0.034×DKK1

表達(dá)量＋0.100×KRT19表達(dá)量＋0.208×AURKA表達(dá)量＋0.125×EMP1表達(dá)量＋0.045×ANXA2表達(dá)量＋0.071×LGALS3表達(dá)量，以評分的中位數(shù)為閾值將PDAC患者分為高風(fēng)險(xiǎn)組（訓(xùn)練集89例，驗(yàn)證集100例）和低風(fēng)險(xiǎn)組（訓(xùn)練集89例，驗(yàn)證集99例）。K-M生存分析曲線顯示，訓(xùn)練集及驗(yàn)證集的高、低風(fēng)險(xiǎn)組患者OS均存在顯著差異（Plt;0.05），其中低風(fēng)險(xiǎn)組患者OS更長（圖1A、B）。ROC曲線結(jié)果則表明，訓(xùn)練集中PDAC預(yù)后風(fēng)險(xiǎn)評分模型預(yù)測PDAC患者1、2、3年OS的曲線下面積（AUC）分別為0.739、0.704、0.736（圖1C），驗(yàn)證集中上述指標(biāo)分別為0.542、0.629、0.700（圖1D）。

2.3 PDAC組織與正常胰腺組織間DEGs的基因富集分析

GO功能富集分析結(jié)果顯示，PDAC組織與正常胰腺組織間72個DEGs主要存在于含膠原的細(xì)胞外基質(zhì)、細(xì)胞骨架結(jié)構(gòu)等處，主要參與磷脂酶抑制劑的激活、NADPH氧化酶的激活等生物學(xué)過程。KEGG通路分析結(jié)果顯示，上述基因主要在細(xì)胞鐵死亡信號通路中富集。GSEA結(jié)果顯示，DEGs主要參與了P53信號通路、ECM受體相互作用信號通路等。

2.4 AURKA敲降對AsPC-1和BxPC-3細(xì)胞存活率的影響

CCK-8實(shí)驗(yàn)結(jié)果顯示，時間、組別、時間與組別交互作用對AsPC-1及BxPC-3細(xì)胞存活率有顯著影響（F時間=51.01、164.30，F(xiàn)組別=48.83、124.10，F(xiàn)時間*組別=9.11、45.30，Plt;0.05）；其中AsPC-1及BxPC-3細(xì)胞siAURKA組第3～5天細(xì)胞存活率低于siNC組（t=4.57～12.84，Plt;0.05）。見表2。

2.5 siNC組與siAURKA組細(xì)胞中SLC7A11、AURKA、GPX4蛋白表達(dá)水平比較

免疫印跡實(shí)驗(yàn)結(jié)果顯示，AsPC-1細(xì)胞siNC組細(xì)胞中AURKA、SLC7A11、GPX4蛋白相對表達(dá)量分別為1.21±0.12、0.91±0.03、0.99±0.05，siAURKA組細(xì)胞中三種蛋白相對表達(dá)量分別為0.51±0.01、0.37±0.02、0.64±0.06，AsPC-1細(xì)胞siNC組三種蛋白相對表達(dá)量均顯著高于siAURKA組（t=4.40～11.79，Plt;0.05）。BxPC-3細(xì)胞siNC組細(xì)胞中AURKA、SLC7A11、GPX4三種蛋白相對表達(dá)量分別為1.07±0.11、0.95±0.01、0.95±0.02，siAURKA組細(xì)胞中三種蛋白相對表達(dá)量分別為0.37±0.02、0.62±0.04、0.71±0.05，BxPC-3細(xì)胞siNC組三種蛋白相對表達(dá)量亦顯著高于siAURKA組（t=4.22～8.27，Plt;0.05）。見圖2。

圖2 AsPC-1、BxPC-3細(xì)胞的siNC組與siAURKA組蛋白表達(dá)水平比較

3 討" 論

PDAC是一種高度侵襲性腫瘤，PDAC患者的5年生存率低于12%［13］。細(xì)胞鐵死亡是一種獨(dú)特的細(xì)胞死亡形式，不同于細(xì)胞自噬、凋亡及壞死，細(xì)胞鐵死亡主要由鐵離子引起細(xì)胞內(nèi)脂質(zhì)過氧化物沉積所致［14］。SLC7A11/GPX4信號軸在細(xì)胞鐵死亡調(diào)節(jié)中扮演重要角色［15-16］。當(dāng)SLC7A11出現(xiàn)功

能障礙時會導(dǎo)致GPX4水平下調(diào)，而GPX4是抑制

細(xì)胞脂質(zhì)過氧化和細(xì)胞鐵死亡發(fā)生的關(guān)鍵調(diào)控基因［17-18］。大量研究表明細(xì)胞鐵死亡在腫瘤的發(fā)展過程中具有重要作用［19-21］，但目前關(guān)于細(xì)胞鐵死亡相關(guān)基因在PDAC患者預(yù)后中作用的研究較少。

本研究對TCGA等數(shù)據(jù)庫中PDAC組織與正常胰腺組織間基因進(jìn)行差異表達(dá)分析，結(jié)合GeneCards數(shù)據(jù)庫中的細(xì)胞鐵死亡相關(guān)基因，篩選出72個PDAC組織與正常胰腺組織間差異表達(dá)的細(xì)胞鐵死亡相關(guān)基因。采用了單因素Cox回歸分析結(jié)合LASSO回歸分析，成功構(gòu)建了包括SLC6A14、DKK1、KRT19、AURKA、EMP1、ANXA2以及LGALS3等7個細(xì)胞鐵死亡相關(guān)基因預(yù)測PDAC患者預(yù)后的風(fēng)險(xiǎn)評分模型。目前已有研究顯示上述7個基因在腫瘤進(jìn)展中起重要作用。如SLC6A14在結(jié)直腸癌中表達(dá)上調(diào)，可激活A(yù)kt-mTOR信號通路促進(jìn)腫瘤進(jìn)展［22］。DKK1通過增加SLC7A11的表達(dá)，以保護(hù)轉(zhuǎn)移癌細(xì)胞免受脂質(zhì)過氧化和細(xì)胞鐵死亡影響［23］。KRT19則直接與β-catenin/RAC1復(fù)合物相互作用，調(diào)節(jié)乳腺癌的腫瘤特性［24］。AURKA/CXCL5軸在非小細(xì)胞肺癌自噬當(dāng)中發(fā)揮著重要的作用，細(xì)胞毒性自噬的激活減弱了AURKA/CXCL5介導(dǎo)的非小細(xì)胞肺癌細(xì)胞的惡性生物學(xué)行為［25］。EMP1的缺失可促進(jìn)膀胱癌細(xì)胞遷移，并賦予其抵抗細(xì)胞鐵死亡和氧化應(yīng)激的能力［26］。ANXA2通過激活MYC-HIF1A-VEGF軸以促進(jìn)食管癌進(jìn)展［27］。LGALS3的過表達(dá)增強(qiáng)了肝癌細(xì)胞向骨骼轉(zhuǎn)移的能力［28］。本研究隨后將PDAC患者分為高、低風(fēng)險(xiǎn)組，繪制K-M生存分析曲線，發(fā)現(xiàn)高風(fēng)險(xiǎn)組患者的OS較低風(fēng)險(xiǎn)組更短，表明該風(fēng)險(xiǎn)評分模型對PDAC患者的預(yù)后預(yù)測具有一定的參考價值；ROC曲線結(jié)果則顯示本風(fēng)險(xiǎn)評分模型在

PDAC患者1、2、3年OS的預(yù)測中均具有較好效

能。另外，PDAC與正常胰腺組織中差異表達(dá)的細(xì)胞鐵死亡相關(guān)基因功能富集分析結(jié)果顯示，DEGs主要參與了細(xì)胞鐵死亡信號通路、P53信號通路、ECM受體相互作用信號通路等信號通路，從一定程度上揭示了上述基因?qū)е翽DAC的潛在生物學(xué)機(jī)制，為未來深入研究提供了一定理論依據(jù)。

在體外細(xì)胞實(shí)驗(yàn)中，CCK-8實(shí)驗(yàn)結(jié)果顯示人胰腺腺癌細(xì)胞系A(chǔ)sPC-1和BxPC-3細(xì)胞的siAURKA組細(xì)胞第5天細(xì)胞存活率較siNC組顯著下降；進(jìn)一步的免疫印跡實(shí)驗(yàn)發(fā)現(xiàn)當(dāng)AURKA敲降導(dǎo)致AsPC-1細(xì)胞和BxPC-3細(xì)胞中AURKA蛋白表達(dá)水平下調(diào)時，GPX4和SLC7A11蛋白表達(dá)水平也隨之降低，即人胰腺腺癌細(xì)胞系中AURKA基因表達(dá)的下調(diào)可能誘導(dǎo)了細(xì)胞鐵死亡發(fā)生。

另外，本研究也存在一些局限性。首先，從回顧性數(shù)據(jù)中得出的預(yù)后預(yù)測模型需要通過前瞻性研究進(jìn)行驗(yàn)證，以提高其可靠性和可推廣性；其次，雖然我們通過體外實(shí)驗(yàn)初步探索了AURKA基因在細(xì)胞鐵死亡中的作用，但對其具體機(jī)制及功能的理解仍然有限，未來需更深入地研究以便全面解析AURKA在PDAC發(fā)生發(fā)展中的作用；最后，LASSO回歸分析雖然在變量選擇中有效，但可能忽略了基因間復(fù)雜的交互作用，未來研究可以考慮采用更先進(jìn)的機(jī)器學(xué)習(xí)方法來提高風(fēng)險(xiǎn)評分模型的精度。

總之，本研究對TCGA等數(shù)據(jù)庫中PDAC相關(guān)基因的綜合分析以及提取，成功構(gòu)建了PDAC患者預(yù)后風(fēng)險(xiǎn)評分模型，該模型由SLC6A14、DKK1、KRT19、AURKA、EMP1、ANXA2、LGALS3等7個細(xì)胞鐵死亡相關(guān)基因組成，能夠?yàn)镻DAC患者預(yù)后的評估提供一定參考。

作者聲明：卿功、江月萍參與了研究設(shè)計(jì)；卿功、荊雪參與了論文的寫作和修改。所有作者均閱讀并同意發(fā)表該論文，且均聲明不存在利益沖突。

［參考文獻(xiàn)］

［1］HALBROOK C J， LYSSIOTIS C A， PASCA DI MAGLIANO M， et al. Pancreatic cancer： Advances and challenges［J］. Cell， 2023，186（8）：1729-1754.

［2］HU Z I， O’REILLY E M. Therapeutic developments in pancreatic cancer［J］. Nat Rev Gastroenterol Hepatol， 2024，21（1）：7-24.

［3］PARK W， CHAWLA A， O’REILLY E M. Pancreatic cancer： A review［J］. JAMA， 2021，326（9）：851-862.

［4］DUAN H Y， LI L， HE S M. Advances and prospects in the treatment of pancreatic cancer［J］. Int J Nanomedicine， 2023，18：3973-3988.

［5］SODKOWSKI M， WROSKI M， KARKOCHA D， et al. Current approaches for the curative-intent surgical treatment of pancreatic ductal adenocarcinoma［J］. Cancers， 2023，15（9）：2584.

［6］YAN H F， ZOU T， TUO Q Z， et al. Ferroptosis： Mechanisms and links with diseases［J］. Signal Transduct Target Ther， 2021，6（1）：49.

［7］LEI G， ZHUANG L， GAN B Y. Targeting ferroptosis as a vulnerability in cancer［J］. Nat Rev Cancer， 2022，22（7）：381-396.

［8］DOS SANTOS A F， FAZELI G， XAVIER DA SILVA T N， et al. Ferroptosis： Mechanisms and implications for cancer development and therapy response［J］. Trends Cell Biol， 2023，33（12）：1062-1076.

［9］ZHENG S Y， GUAN X Y. Ferroptosis： Promising approach for cancer and cancer immunotherapy［J］. Cancer Lett， 2023，561：216152.

［10］HENDRICKS J M， DOUBRAVSKY C E， WEHRI E， et al. Identification of structurally diverse FSP1 inhibitors that sensitize cancer cells to ferroptosis［J］. Cell Chem Biol， 2023，30（9）：1090-1103.

［11］ZENG W T， LONG X H， LIU P S， et al. The interplay of oncogenic signaling， oxidative stress and ferroptosis in cancer［J］. Int J Cancer， 2023，153（5）：918-931.

［12］YU G C， WANG L G， HAN Y Y， et al. clusterProfiler： An R package for comparing biological themes among gene clusters［J］. OMICS， 2012，16（5）：284-287.

［13］ZHANG W F， GONG M Y， ZHANG W N， et al. Thiostrepton induces ferroptosis in pancreatic cancer cells through STAT3/GPX4 signalling［J］. Cell Death Dis， 2022，13（7）：630.

［14］CHEN Y， FANG Z M， YI X， et al. The interaction between ferroptosis and inflammatory signaling pathways［J］. Cell Death Dis， 2023，14（3）：205.

［15］LI Q J， PENG F， YAN X Y， et al. Inhibition of SLC7A11-GPX4 signal pathway is involved in aconitine-induced ferroptosis in vivo and in vitro［J］. J Ethnopharmacol， 2023，303：116029.

［16］MO X C， HU D， YUAN K S， et al. Tetrandrine citrate suppresses lung adenocarcinoma growth via SLC7A11/GPX4-mediated ferroptosis［J］. Discov Oncol， 2023，14（1）：85.

［17］ZENG C， LIN J， ZHANG K T， et al. SHARPIN promotes cell proliferation of cholangiocarcinoma and inhibits ferroptosis via p53/SLC7A11/GPX4 signaling［J］. Cancer Sci， 2022，113（11）：3766-3775.

［18］SHI J X， MA C L， ZHENG Z W， et al. Low-dose antimony exposure promotes prostate cancer proliferation by inhibiting ferroptosis via activation of the Nrf2-SLC7A11-GPX4 pathway［J］. Chemosphere， 2023，339：139716.

［19］MOU Y H， WANG J， WU J C， et al. Ferroptosis， a new form of cell death： Opportunities and challenges in cancer［J］. J Hematol Oncol， 2019，12（1）：34.

［20］QIU S Q， ZHONG X Y， MENG X， et al. Mitochondria-loca-

lized cGAS suppresses ferroptosis to promote cancer progression［J］. Cell Res， 2023，33（4）：299-311.

［21］ZHAO L， ZHOU X X， XIE F， et al. Ferroptosis in cancer and cancer immunotherapy［J］. Cancer Commun， 2022，42（2）：88-116.

［22］LU Y， JIANG Z T， WANG K J， et al. Blockade of the amino acid transporter SLC6A14 suppresses tumor growth in colorectal cancer［J］. BMC Cancer， 2022，22（1）：833.

［23］WU M M， ZHANG X， ZHANG W J， et al. Cancer stem cell regulated phenotypic plasticity protects metastasized cancer cells from ferroptosis［J］. Nat Commun， 2022，13（1）：1371.

［24］SAHA S K， CHOI H Y， KIM B W， et al. KRT19 directly interacts with β-catenin/RAC1 complex to regulate NUMB-dependent NOTCH signaling pathway and breast cancer properties［J］. Oncogene， 2017，36（3）：332-349.

［25］WANG J， HU T， WANG Q， et al. Repression of the AURKA-CXCL5 axis induces autophagic cell death and promotes radiosensitivity in non-small-cell lung cancer［J］. Cancer Lett， 2021，509：89-104.

［26］LIU S， SHI J Z， WANG L W， et al. Loss of EMP1 promotes the metastasis of human bladder cancer cells by promoting migration and conferring resistance to ferroptosis through activation of PPAR gamma signaling［J］. Free Radic Biol Med， 2022，189：42-57.

［27］MA S， LU C C， YANG L Y， et al. ANXA2 promotes esophageal cancer progression by activating MYC-HIF1A-VEGF axis［J］. J Exp Clin Cancer Res， 2018，37（1）：183.

［28］ZHANG S X， XU Y R， XIE C， et al. RNF219/α-catenin/LGALS3 axis promotes hepatocellular carcinoma bone metastasis and associated skeletal complications［J］. Adv Sci， 2021，8（16）：e2102956.

（本文編輯 范睿心 厲建強(qiáng)）