罹患恶性肿瘤的患者保持良好的心态真的重要吗？到底有多重要？这是无稽之谈吗？还是确有其事？

这只是一个早有争论的老问题，好像溅不起来什么水花！但是，聪明的小伙伴，已经想到用生信的思路，解决这平平无奇老问题了。点睛之笔（临床问题）+一点点小巧的生信分析，轻松发到5+! 其实本质思路简简单单，生信小白都可以拿捏！

文章题目“基于抑郁相关基因的乳腺癌预后风险预测模型的建立与验证Development and Validation of a Risk Prediction Model for Breast Cancer Prognosis Based on Depression-Related Genes”，于 2022/5发表在Frontiers in Oncology（IF 5.73/Q2）上。

许多研究已经表明抑郁症在介导乳腺癌复发和转移中起着重要作用，抑郁症与乳腺癌复发风险增加24%，全因死亡风险增加30%以及癌症特异性死亡风险增加29%有关。然而，缺乏精确的风险模型来评估抑郁症对乳腺癌预后的潜在影响。因此，建立新的signature来进行风险预测和抗癌药物开发至关重要。在这项研究中，作者建立了一种抑郁症相关基因（DRG）signature，不仅突出了抑郁症在乳腺癌预后中的重要性，而且为更好地预防抑郁症对乳腺癌预后的潜在不利影响提供了一种新的基因检测工具。

强调了监测和治疗心理压力在预防乳腺癌复发和转移中的重要性，这对乳腺癌患者个性化管理和随访策略的制定具有重要的指导意义。

一、背景

乳腺癌是全世界女性面临的严重健康问题，其发病率和死亡率在女性恶性肿瘤中居首位。鉴于乳腺癌的潜伏期长且年龄相对较小，预后风险预测模型的发展对于改善治疗策略和总体生存（OS）具有重要价值。乳腺癌复发的风险主要与年龄，肿瘤大小，组织学分级，肿瘤周围血管内癌栓子以及雌激素受体（ER）/孕激素受体（PR）和人表皮生长因子受体2（HER2）。乳腺癌分为四种类型，即管腔A，管腔B，HER2+和三阴性乳腺癌（TNBC），其中TNBC被认为预后不良。事实上，只有77%的TNBC患者在诊断后存活5年，而其他亚型的存活率达到93%，而转移性TNBC的5年生存率低于30%。

然而，乳腺癌是一种高度异质性疾病，一些TNBC患者复发风险低，生存期相对较长。据信，除ER，PR和HER2外，还有更多基因参与确定乳腺癌预后。因此，建立新的signature来进行风险预测和抗癌药物开发至关重要。

许多研究已经发现抑郁症与乳腺癌之间具有着密切的相关性。荟萃分析显示，32.3%的乳腺癌患者患有抑郁症，近一半的早期乳腺癌患者在诊断后会出现抑郁，焦虑或两者兼而有之。抑郁症与乳腺癌复发风险增加24%，全因死亡风险增加30%以及癌症特异性死亡风险增加29%有关。动物研究表明，心理压力可以加速肿瘤生长并促进肺转移，因此，探索抑郁相关基因（DRGs）在乳腺癌预后中的作用至关重要。

二、方法

1.数据来源和收集

从TCGA和数据库收集乳腺癌相关的临床信息和基因表达谱，该数据库被选为包含1096个患者样本和113个非肿瘤组织的测试数据集，从GEO数据库下载独立的数据集进行验证。

2.乳腺癌中DEGs的选择

从Genecard数据库中共获得8479个DRG，该数据库提供了人类基因的全面最新列表。作者从TCGA获得了8479个DRG的表达值。基于STRING在线工具构建DEG的PPI。然后应用Cytoscape软中的MCODE分析了网络中的关键模块。

3.预后基因的鉴定和风险模型的构建

进行单变量Cox回归分析以探索测试数据集中基因与OS之间的相关性。p＜0.05的DEGs被认为是候选基因。然后应用套索回归缩小基因筛选的范围。最后，构建多变量Cox分析以筛选高度预后相关的基因并产生预后风险模型。

4.构建模型的验证

为了验证该模型，采用Kaplan-Meier生存分析和对数秩检验来分析不同评分患者之间的生存差异。为了确认signature是否可以作为预测生存的独立因素，进行了单变量和多变量Cox回归分析。

5.GSEA分析

为了探索潜在的生物学途径，基于MSigDB基因集进行分析。

6.免疫细胞浸润分析

作为分析免疫细胞浸润的最常被引用的工具，CIBERSORT用于根据其RNA测序数据量化免疫细胞比例。在这项研究中，该工具用于估计TCGA队列中每个乳腺患者的免疫细胞分数比例。

7.风险signature在药物治疗中的意义探讨

利用GDSC数据库中的药物敏感性基因组学来讨论化疗，内分泌治疗和靶向治疗反应低分和高分患者之间的差异。计算TCGA乳腺癌队列中常见治疗药物的IC50。

8.针对高危患者的潜在小分子药物的鉴定

将上调和下调的靶基因被上传到CMap，根据表达谱之间的接近程度来鉴定潜在的治疗分子。

9.列线图的构建和评估

执行rms R软件包以构建包含模型和临床病理signature的列线图。应用C指数和校准图来评估预测概率。

三、结果

1.DRGs的鉴定及预测乳腺癌预后风险模型的建立

研究纳入了1027例来自TCGA队列的原发性乳腺癌患者，最终共鉴定出358个上调的DRGs和400个下调的DRGs(图2A, B)，建立了基于差异表达基因(DEGs)的蛋白-蛋白相互作用(PPI)网络,流程图及临床信息见图1和表S1。

分子复合物检测( MCODE)对网络进行模块分析获得hub基因(图2C)；筛选出5个显著模块，并进一步分析被鉴定枢纽基因的基因。单因素Cox发现与OS显著相关的34个DRGs(图2D)；lasso回归分析进一步鉴定15个预后相关基因(图2E)；多变量Cox分析确认了用于构建风险模型10个DRGs:MT3、SORBS1、IGFALS、AMH、IL12B、TP53AIP1、PXDNL、MC5R、FOXD1和LHX1。

2.模型预测乳腺癌OS的预后效果

根据公式计算训练和验证队列的风险评分，将患者分为低风险组和高风险组，生存分析，以探索该模型的预测效果。生存分析显示分数越高，患者死亡比例越高，生存时间越短（p<0.001）(图3A-C)；低风险组的MT3，SORBS1，IGFALS，IL12B和TP53AIP1过表达，而高风险组的AMH，PXDNL，MC5R，FOXD1和LHX1过表达（图3D）；ROC曲线下的最大面积（AUC）值为0.789，表明该模型具有良好的敏感性和特异性(图3E)。以上分析在验证队列也得到相似结果。

3.模型与病理参数的相关性分析

风险模型与病理参数之间相关性分析，显示风险模型与年龄，分子亚型，临床分期，T分期和M分期相关，而N分期则不然。在验证队列也观察到包括包括年龄，分子亚型，肿瘤大小和阳性淋巴结在内的显着差异；

单因素Cox和多变量Cox分析，显示风险评分模型是一个独立预后因素（HR=1.075，95%CI:1.058-1.092），并在验证组也得到类似结果（图4）。

4.模型预测预后的分子机制分析

GSEA显示，高危组主要在萜类骨架生物合成，细胞周期，戊糖和葡萄糖醛酸相互转化，DNA复制，类固醇生物合成，果糖和甘露糖代谢以及错配修复通路富集。相比之下，低风险组显著富集细胞粘附分子，IgA产生的肠道免疫网络，细胞因子-细胞因子受体相互作用，JAK-STAT信号通路，趋化因子信号通路，T细胞受体信号通路和白细胞跨内皮迁移等（图 5A）。

GSEA分析表明模型与免疫途径密切相关，因为许多研究已经表明，抑郁症可以抑制免疫效应细胞并促进免疫逃逸，从而保护癌细胞免受免疫杀伤,作者进一步分析低风险和高风险病例中22种免疫细胞的丰度，结果显示高危患者的免疫抑制细胞丰度较高(图5B-C)。综上，免疫抑制微环境可能是导致高危病例预后较差的原因。

免疫检查点调节因子表达分析，显示PD-1，PD-L1和CTLA-4的表达在低分患者中显着增加（p＜0.05），而LAG3无统计学差异。这些结果意味着低风险患者可能对免疫检查点阻断疗法敏感（图5D）。

此外，低危组GZMA、GZMB和IFNG高表达，而高危乳腺癌患者TGFB1升高（p<0.001）(图5E）。

5.模型在预测治疗敏感性方面的临床效果

作者进一步分析了模型与化疗药物，内分泌药物和靶向制剂治疗效果之间的关系。除紫杉醇外，低风险患者的化疗药物，内分泌治疗和靶向治疗的最大抑制浓度（IC50）较低(图6A-B)，而高风险患者的靶向治疗的IC50较低(图6C)。

此外，对DEG进行CMap分析显示包括普萘洛尔，嘌呤霉素，氯苯那敏，甲地孕酮，塞莫司汀和阿卡西汀等六种药物适用于高危乳腺癌患者(图6D)。

6.基于10基因风险模型的列线图构建

为了建立一种定量预测OS的方法，作者开发了用于预测术后1年，3年和5年OS的列线图。列线图中包括四个风险因素，包括年龄，分期，分子亚型和风险评分（图7A）。校准曲线显示实际和预测的OS具有较高一致性（图7B-D）。

讨论

这项研究提供了一个新的10个DRG风险模型来预测乳腺癌的生存率。该模型对TNBC特别重要，有望预测药物敏感性，因此有助于设计最佳治疗策略以改善临床预后。作者的研究结果进一步强调了监测和治疗心理压力在预防乳腺癌复发和转移中的重要性，这对乳腺癌患者个性化管理和随访策略的制定具有重要的指导意义。

PXDNL是模型中的高风险基因，也是是抑郁症患者的易感基因。MC5R是一种黑皮质素受体，可以介导轴对昼夜节律和皮质醇负反馈综合信号的反应。据报道，MC5R拮抗剂可以治疗抑郁症或广泛性焦虑症。MT3可能与丁香酚的抗抑郁样活性有关，导致脑源性神经营养因子的表达增加。

这10个基因除了与抑郁症有关，还与抑郁、焦虑和恐慌在内的精神障碍相关。与没有精神障碍的患者相比，患有抑郁症，焦虑症或恐慌症的患者生活质量下降，治疗依从性差。已有的研究表明抑郁和焦虑会增加乳腺癌复发和死亡的风险。

研究发现，乳腺导管癌患者的MT3表达低于非恶性乳腺组织，有淋巴结转移的乳腺癌患者的MT3水平低于无转移的乳腺癌患者。此外，乳腺癌细胞系中MT3的表达低于正常人乳腺上皮细胞系。这些发现表明MT3可能与乳腺上皮细胞的恶性转化和肿瘤进展有关。除此之外，据报道，PXDNL和FOXD1参与了乳腺癌的发病机制，并且对预测预后具有重要意义，而FOXD1还与基底样乳腺癌的预后显着相关。

该模型与肿瘤浸润性免疫细胞有关，高危患者中M2巨噬细胞和嗜中性粒细胞的丰度显着增加。众所周知，细胞因子在肿瘤免疫微环境中起着至关重要的作用。本研究中的高危患者免疫抑制细胞丰度较高，但M1巨噬细胞，幼稚B细胞，CD8 T细胞，静息记忆CD4 T细胞，静息树突状细胞，静息肥大细胞和免疫抑制细胞因子（如TGFB1）的比例显着降低。

此外，作者的研究为高危患者提供了潜在的治疗选择。事实证明，抗抑郁药在乳腺癌中的应用可能会降低死亡风险。然而，抗抑郁药，如选择性5-羟色胺再摄取抑制剂，可以降低他莫昔芬的有效性并增加死亡风险。因此，有必要进行进一步的研究以进行验证。Acacetin是一种天然类黄酮，可抑制致癌雌激素代谢产物的分泌，以及肿瘤细胞的增殖，侵袭和迁移。其在乳腺癌治疗过程中调节DRG的潜在作用值得进一步探索。