近日，国际血液学权威期刊《Blood Science》发表了一项基于转录组学多组学策略优化急性髓系白血病（AML）风险分层的最新研究成果。该研究利用思勤医疗/申友医学的检测产品进行分子检测，并结合转录组测序数据，成功建立了基于10个特征基因和6个特征基因的两步预测模型，能够精准区分不同预后的AML患者，显著提升了现有风险分层系统的预测效能，为临床个体化治疗决策提供了重要的转录组学依据。
研究背景
急性髓系白血病（AML）是一类高度异质性的髓系造血系统肿瘤，其临床管理和预后评估高度依赖精确的分子分型。当前以DNA变异检测为核心的分子诊断策略已成为临床常规，但即便依据2022年WHO分类和ELN遗传风险分层，部分相同遗传学亚组的患者仍呈现显著不同的治疗应答和长期生存结局，提示仅凭基因组层面的静态变异信息可能不足以全面反映肿瘤的生物学行为。
转录组测序（RNA-seq）可同时获取基因表达、融合转录本、可变剪接等多维信息，有望弥补单纯DNA检测的不足。然而，如何将高通量转录组信息转化为临床可操作的风险预测工具，仍面临关键特征基因筛选、稳健评分模型构建等技术挑战。
研究结果
（一）转录组聚类与预后关联
研究筛选出6303个差异表达基因（p<0.05，差异倍数≥2），通过层次聚类将125例患者分为8个分子亚群（C1-C8）。结果显示，左侧亚群（C1-C4）患者预后显著差于右侧亚群（C5-C8），RNA-based分类与预后的相关性优于WHO分类。
（二）三步优化风险分层
第一步——合并为3个超级簇（SC1-SC3）：SC1（C1-C2，n=53）预后最差，SC2（C3-C5，n=34）为中间预后，SC3（C6-C8，n=38）预后最好，三组PFS存在显著差异（p=0.034）。
第二步——提取921个特征基因：通过两两比较SC1-SC3间差异表达基因，筛选出921个关键基因，重新聚类为iSC1（n=72）、iSC2（n=23）、iSC3（n=30），预后差异更为显著（p=0.010）。iSC1预后显著差于iSC2和iSC3（p=0.032和0.023）。
第三步——最终简化为2个预后组：PG1（iSC1，n=55）预后差需进一步细分，PG2（iSC2+iSC3，n=32）预后良好无需进一步分层，两组PFS差异极显著（p<0.001）。
（三）功能富集分析
GO/KEGG富集分析显示，GPCR信号通路在BP和MF类别中均居首位，嗅觉受体活性、DNA结合、RNA聚合酶II介导的转录调控、细胞分化等通路显著富集。嗅觉传导通路在KEGG分析中位列前茅，提示嗅觉受体（OR）基因在AML中可能存在重要作用，为未来机制研究和靶向治疗提供了新方向。
（四）基因突变与融合基因特征
87例有预后数据的患者中，平均每例携带8.08个突变（范围2-16个）。高频突变基因包括TTN（61%）、MUC16（29%）、NRAS（25%）、DNMT3A（21%）、CEBPA（18%）、FLT3-ITD（18%）、NPM1（17%）、WT1（17%）、KIT（15%）、TET2（15%）、IDH1（14%）。融合基因方面，27.6%（24/87）的患者携带至少1种融合基因，最常见为CBFB::MYH11（11.5%）和RUNX1::RUNX1T1（6.9%）。
关键发现：多数基因突变不影响该基因的RNA表达水平，也不显著影响PFS，证实仅靠DNA突变不足以准确预测预后，转录组信息提供了独立于DNA检测的预后价值。
（五）两步预测模型
公式A（区分PG1 vs PG2，n=87）：Lasso回归筛选出10个特征基因（AC132803.1、ASCL4、GJB2、HTR1B、IGHD3ORI5-3A、IGLCOR22-1、IGLCOR22-2、KSR1P1、MYL6P1、RPL11P5），建立预测公式：y=1.6484×AC132803.1+0.8201×ASCL4+0.7387×GJB2+0.8795×HTR1B+3.2131×IGHD3ORI5-3A+0.2923×IGLCOR22-1+0.478×IGLCOR22-2+0.5585×KSR1P1+1.2203×MYL6P1+0.4234×RPL11P5-0.9733
ROC曲线：AUC=1.000，特异性100%、敏感性100%（cutoff=-0.042）。y≤-0.042归为PG1（预后混合），y>-0.042归为PG2（预后良好）。
公式B（PG1内进一步分层，n=55）：Lasso回归筛选出6个基因（AL035106.1、HOXA10、ID1、IGHD1-1、IGHD3-16、MBLAC1），区分PG1中复发（n=20）与持续缓解（n=35）患者：
y=0.0993×AL035106.1+0.0386×HOXA10+0.1727×ID1+0.6411×IGHD1-1+0.1337×IGHD3-16+0.1028×MBLAC1-0.5728
ROC曲线：特异性91.4%、敏感性70.0%（cutoff=-0.711）。在PG1患者中，DNMT3A（21%）、GATA2（11.5%）、NCOR2（5.7%）、RUNX1（9.2%）突变与不良预后显著相关（p<0.05），可作为补充预测因子。
总结
本研究通过RNA-seq多组学方法建立了基于转录组特征的两步预测模型，显著改善了AML的风险分层和预后预测准确性，证实了RNA测序在AML分子分型和预后预测中的独立价值。该模型需在更大样本和独立队列中进一步验证，以期转化为临床实践工具。
研究创新点
◆ 建立两步式转录组预测模型：可精准区分预后良好（PG2）和预后混合（PG1）患者；
◆ 揭示新型关键通路：首次系统揭示嗅觉受体（OR）和GPCR信号通路在AML中的潜在重要作用，为后续机制研究和靶向治疗提供了新方向；
◆ 证实RNA-seq独立预后价值：系统证实DNA突变≠转录组改变，RNA-seq可提供独立于DNA检测的预后信息，为临床推广RNA-seq提供了有力依据。
参考文献：
Yang Y, Yan L, Fang J, et al. Transcriptomics-based multi-omics approach for optimizing risk stratification in acute myeloid leukemia. Blood Science. 2026;8(2):e00295.