哈喽,大家好,小编今天给大家分享一篇发表在Aging(Albany NY)上的一篇文章,题为’ Development and validation of a novel anoikis-related gene signature for predicting prognosis in ovarian cancer’,作者通过多种生物信息学方法筛选了失巢凋亡(ANRGs)相关的基因,并在卵巢癌(OC)患者中成功构建和验证了预后模型,本篇文章说明了失巢凋亡与OC预后之间的密切关系,并为OC患者提供潜在的治疗靶点。
一 背景
卵巢癌(ovarian cancer,OC)是女性生殖系统恶性程度最高的肿瘤之一。因为大多数患者被诊断时已是晚期。虽然随着医疗水平的提高,以铂类药物为基础的化疗为主,但由于其发病机制复杂,仍存在化疗耐药和复发率高等问题。 因此,迫切需要可靠的 OC 预后生物标志物来帮助改善预后 。失巢凋亡是一种新型的程序性细胞死亡形式,这对于没有细胞外基质 (ECM) 的肿瘤细胞的存活很重要。 它可以通过消除细胞从细胞外基质 (ECM) 脱离后的脱位细胞来调节微环境的动态平衡。 缺氧凋亡抗性的启动可以帮助分离的细胞逃避死亡信号通路,使细胞能够在不利条件下存活。最近研究表明失巢凋亡在肿瘤侵袭和转移中起着至关重要的作用。然而,有关ANRGs在OC中的预后研究很少。在本文研究中,作者通过筛选失巢凋亡(ANRGs)相关的基因,并在卵巢癌(OC)患者中成功构建和验证了预后模型。图1是本文的工作流程。
图1
二 结果
1. TCGA-OV数据库失巢凋亡相关预后模型构建
作者首先对TCGA-OV数据库RNA-seq数据进行整理,并进行单变量 Cox 回归分析,发现 31 个与失巢凋亡相关的基因对 OC的预后是有影响的(图 2A、2B)。作者选择了排名前 10 位的关键基因进行组合的 KM 分析(图 2C)。 在每个条件下生成了p值的箱线图,显示出由5个基因(RB1、STAT1、SNAI1、SFRP1和AKT2)构成的标记具有最小的p值(图2D)。
图2
随后,作者通过风险评分将TCGA-OV样本分为高表达组和低表达组,并进行KM 分析,可以看出低表达组患者的 OS 明显更好(图 3A)。 此外,PCA 可以更好的将这两个亚组的患者分离开来(图 3B)。 作者进行单变量和多变量 Cox 分析, 可以看出年龄和风险评分被验证为独立的预后指标(图 3C)。图 3D可以看出在低表达组有更多的患者存活。
图3
2.预后模型的验证
作者使用相同的公式和最佳临界值,在四个 GEO 队列中验证了预后模型的预测能力。对其进行了KM分析, 结果和TCGA组结果一致(图4 A-D)。此外, 对GEO多变量 Cox 分析(图 4E)结果显示风险评分也是一个独立因素。
图4
此外,作者使用 TCGA-OV 数据建立了基于年龄和风险评分的预测列线图(图 5A)。 该模型的准确性是通过预测和观察到的 1 年、3 年和 5 年结果之间的校准曲线来判断的(图 5B)。 DCA 分析还进一步突出了其卓越的预测性能(图 5C–5E)。
图5
3.TCGA 队列中 ANRGs 相关基因的功能富集分析
图 6A可以看出在高表达组中有 322 个 差异基因上调,低表达组中有 101 个差异基因上调。 差异基因的 GO-BP 富集分析、所有基因的 KEGG 分析和 HALLMARK 通路差异分析表明,高风险组与细胞外基质(ECM)、血管生成、转化生长因子-β(TGF-β)和 Wnt/β 相关 -连环蛋白通路(图 6B、6D、6F),而 低风险组显示与免疫活性信号通路相关,包括干扰素-γ、T 细胞激活和免疫反应(图 6C、6E、6F)。
图6
4.TCGA队列中与免疫肿瘤微环境(TIME)相关基因分析
与低表达组相比,高表达组的基质评分明显更高(图 7A)。 尽管 p 值没有意义,但 低表达组获得了更高的免疫评分。 此外,发现低表达组中的 TCR 丰富度显着更高(图 7B),并且与高表达组相比, 该组 B 细胞记忆、浆细胞、活化的CD4 记忆T细胞、滤泡辅助T 细胞、激活的NK 细胞和 M1巨噬细胞的丰度更高(图 7C)。 相反,高表达组表现出幼稚 B 细胞和 静息CD4 记忆T 细胞的丰度较高(图 7C)。
图7
5.OC TME 相关细胞中ANRGs的表达
作者使用单细测序数据集 (GES154600) 研究五个标记基因在不同OC TME的特异性表达。 在下游分析中,OC TME 中注释了 7 种细胞类型(图 8A)。 值得注意的是,STAT1 在不同细胞类型中高水平表达,在成纤维细胞和骨髓细胞的表达特别高。 AKT2主要在恶性上皮细胞和成纤维细胞中表达。 SNAI1 和 RB1 的表达普遍较低。最后,SFRP1 几乎只在成纤维细胞中表达(图 8B、8C)。
图8
这篇文章小编介绍完了,本文结构清晰,值得我们学习。在本研究中,作者首先从公共数据库中收集并整合了具有 OV 样本的转录组数据和相应临床病理学数据。随后使用多种生物信息学方法(Cox 回归分析、随机生存森林分析和最佳组合的 Kaplan-Meier 分析)从 446 个失巢凋亡相关基因中筛选关键基因。 在TCGA数据库中构建了一个五基因预后模型,并在四个GEO数据库中进行了验证。 根据风险评分将样本分为高风险和低风险两组。分别进行了KM生存分析。 通过多变量 Cox 回归分析证实,风险评分可以作为独立的预后因素。 列线图分析进一步证明了模型的预测能力。 通路富集分析显示,免疫抑制和恶性进展相关通路在高表达组中富集,包括 TGF-β、WNT 和 ECM 通路。 低表达组的特点是免疫活性信号通路(干扰素-γ、T 细胞活化等)和较高比例的抗肿瘤免疫细胞(NK、M1 等),而高表达组与较高的基质评分和较低的 TCR 丰富度相关。可以为 OC 患者提供潜在的治疗靶点。