鑽石舞台

鑽石舞台 發表在 痞客邦 留言(0) 人氣()

鑽石舞台 發表在 痞客邦 留言(0) 人氣()

鑽石舞台 發表在 痞客邦 留言(0) 人氣()

今天給大家推介的期刊是：Journal of Inflammation Research

本期快審推介‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

(繼續閱讀...)

鑽石舞台 發表在 痞客邦 留言(0) 人氣()

鑽石舞台 發表在 痞客邦 留言(0) 人氣()

大家好呀！今天給大家介紹一篇2021年6月發表在ONCOIMMUNOLOGY（IF：8.110）上的文章。本文作者基於ccRCC患者的RNA-seq數據構建預後模型，可以準確預測ccRCC患者的總生存期和對抗PD-1的反應。

Development of a novel gene signature to predict prognosis and response to PD-1 blockade in clear cell renal cell carcinoma

構建腎透明細胞癌的預後模型預測患者生存情況和對PD-1阻斷的反應

流程圖：

結果：

1.數據集的獲取和下載

從GEO數據庫下載7個ccRCC的RNA-seq數據集，GSE53757,GSE53000,GSE36895,GSE15641,GSE66272,GSE68417和GSE40435。從TCGA數據庫下載ccRCC的RNA-seq數據和臨床數據。從ArrayExpress數據庫下載E-MTAB-1980數據集。

2.鑑定DEGs

本研究共使用266例ccRCC樣本和343例癌旁組織進行差異分析鑑定DEGs。

3.鑑定關鍵模塊和核心基因

作者對TCGA數據集的DEGs進行WGCNA分析以鑑定與臨床特徵有關的關鍵模塊（圖1b-1d）。TCGA數據集的臨床信息如圖1a所示。綠色模塊與臨床特徵的相關性最高（圖1e）。模塊顯著性分析進一步表明綠色模塊是與ccRCC患者生存情況最顯著相關的模塊（圖1f）。因此，作者將綠色模塊定義為關鍵模塊。根據MCODE分析和PPI網絡分析鑑定到49個核心基因。KM分析表明有24個核心基因與OS高度相關。

圖1 WGCNA鑑定關鍵模塊

4.構建預後模型

對這24個核心基因進行LASSO回歸分析篩選到4個基因：FOXM1,TOP2A,KIF18B和NUF2（圖2a）。這4個基因在腫瘤組織中均顯著上調錶達（圖2b）。TMA隊列包括348例ccRCC腫瘤組織和癌旁組織（表1）。這4個基因在TMA隊列的IHC結果如圖2c所示。ccRCC組織中FOXM1,TOP2A和NUF2蛋白水平較高，而KIF18B蛋白水平較低（圖2d）。KM分析表明，FOXM1和TOP2A高表達與OS較差有關（圖2e）。最終，基於TOP2A和FOXM1構建預後模型，風險打分=（0.693×FOXM1）+（-0.184×TOP2A）。根據風險打分中位數將患者分為高風險組和低風險組。

表1 TMA隊列的臨床病理特徵

圖2 構建預後模型

5.預後模型的驗證

作者對TCGA隊列，E-MTAB-1980和TMA隊列驗證預後模型的性能。TCGA隊列中高風險組的死亡病理較多（圖3a），KM分析表明高風險組的OS較差（圖3a）。3年，5年和8年的ROC曲線的AUC分別為0.68，0.70和0.70（圖3a）。E-MTAB-1980和TMA隊列的分析表明高風險組的OS較差（圖3b-3d）。

圖3 預後模型的驗證

6.高風險組與腫瘤分期和病理分期較高有關

高風險組的患者G3和G4期的比例較高（圖4a），且病理分期較高（圖4b）。對TMA隊列來說，FOXM1表達水平與年齡，AJCC分期，腫瘤大小和等級等有關，TOP2A表達水平與等級和腫瘤大小等有關（表2）。圖4c為TOP2A/FOXM1表達水平與腫瘤等級的相關性，隨腫瘤等級增加，TOP2A和FOXM1的染色強度逐漸增加。

表2 TAM隊列TOP2和FOXM1表達與臨床病理特徵的相關性

圖4 風險打分與臨床特徵的相關性

7.GSEA和GSVA表明預後模型基因與細胞循環過程高度相關

作者對TCGA隊列進行GSEA和GSVA分析，排名前3位的顯著富集通路如圖4d和4e所示。TOP2A和FOXM1高表達組中的基因顯著富集細胞周期和同源重複等功能。GSVA分析表明TOP2A和FOXM1高表達組中顯著富集細胞周期，同源重組，DNA複雜和錯配修復等功能（圖4f和4g）。

8.高風險組和低風險組的免疫情況

圖5a為高風險組和低風險組ESTIMATE打分和免疫細胞浸潤水平的差異。高風險組的免疫打分較高，表明免疫細胞浸潤水平較高。高風險組的免疫抑制細胞浸潤水平較高。CIBERSORT和IMMUNECELL AI結果表明，高風險組的Tregs和巨噬細胞浸潤水平較高（圖5b）。

9.高風險組具有免疫抑制表型

為鑑定ccRCC中巨噬細胞和Tregs的浸潤水平，作者對TMA隊列進行mIHC。結果表明，高風險組巨噬細胞，FOXP3+ Tregs，M2巨噬細胞浸潤水平較高（圖5c）。高風險組和低風險組的免疫熒光染色結果如圖5d所示。以上結果表明高風險組的免疫抑制細胞浸潤水平更高。

作者從Tracking Tumor Immunophenotype下載調控癌症免疫循環負相關的基因的表達水平，研究其在高風險組和低風險組的表達水平。結果表明，這些基因在高風險組中上調錶達，表明高風險組患者的抗腫瘤免疫活性較低（圖5e）。PD-1,CTLA-4和LAG3在高風險組中顯著高表達（圖5f）。高風險組中趨化因子參與巨噬細胞誘導的免疫抑制過程顯著上調（圖5g）。

圖5 高風險組具有免疫抑制表型

10.低風險組與抗PD-1免疫治療反應增加有關

為研究風險打分與免疫治療反應的相關性，作者對156例接受抗PD-1治療的ccRCC患者進行分析。根據患者治療後的反應，將患者分為CB，ICB和NCB三組。高風險組和低風險組患者在這三組中的分布如圖6a所示。低風險組中CB患者比例較高（圖6b），低風險組患者的PFS較好（圖6c）。CB和NCB組的TMB和PD-L1表達水平沒有差異（圖6d和6f）。CB組的PBRM1突變水平更高（圖6e）。

圖6 低風險組的抗PD-1免疫治療效果更好

11.體細胞突變分析

高風險組和低風險組的體細胞突變水平如圖7a和7b所示。VHL,PBRM1，TTN和SETD2是突變頻率最高的基因，高風險組中BAP1的突變頻率較高（圖7c）。低風險組PBRM1 LOP的頻率較高（圖7c和7d）。發生PBRM1 LOF的患者OS顯著較好（圖7e）。多因素Cox回歸分析表明細胞循環相關特徵和PBRM1突變狀態是ccRCC的獨立風險因子（圖7f）。此外，將PBRM1突變狀態與風險打分結合可以提供預後模型的性能（圖7g）。

圖7 高風險組和低風險圖的突變分析

12.基於細胞循環相關特徵構建列線圖預測OS

對風險打分和臨床病理特徵進行單因素和多因素分析，構建列線圖。多因素分析表明高風險組患者OS較差（圖8a）。基於風險打分，AJCC分期，腫瘤大小和Fubrman等級構建列線圖，可以預測ccRCC患者的3年，5年和8年的生存情況（圖8b）。校準圖結果表明列線圖的準確性（圖8c-8e）。3年，5年和8年ROC曲線的AUC分別為0.89，0.84和0.82（圖8f-8h）。

圖8 構建列線圖

結論：

總的來說，作者構建了一個可以預測ccRCC患者生存的預後模型。並揭示了高風險組和低風險組與細胞周期活化和免疫抑制之間的關係。並基於細胞循環特徵構建列線圖，可以準確預測ccRCC患者的生存期。

有生信相關問題聯繫：18501230653（微信同號)

歡迎關注生信人

(繼續閱讀...)

鑽石舞台 發表在 痞客邦 留言(0) 人氣()

鑽石舞台 發表在 痞客邦 留言(0) 人氣()

鑽石舞台 發表在 痞客邦 留言(0) 人氣()

鑽石舞台 發表在 痞客邦 留言(0) 人氣()

鑽石舞台 發表在 痞客邦 留言(0) 人氣()