文摘
我们的研究旨在构建和验证预测预后HNSCC UPR-associated基因签名。我们获得了544的RNA样品测序数据和临床特点,TCGA数据库和随机分组样本训练和测试组(1:1的比例)。后确定14 UPR-associated基因套索和单变量Cox回归分析,HNSCC样本分为低风险(LR)和高风险(人力资源)子组根据风险评分。我们的分析表明,低风险的患者有一个更好的训练和测试组的预后。预测与14 UPR-associated HNSCC预后基因签名,我们将UPR基因风险评分,N阶段,M阶段,年龄为诺模图模型。我们进一步探讨使用IC50对抗癌药物的敏感性分析在两个子组的癌症基因组项目数据库。结果表明,AKT抑制剂三世和索拉非尼在人力资源和LR患者敏感的抗癌药物,分别。免疫细胞渗透分析和GSEA提供了强有力的证据,阐明影响HNSCC UPR-associated基因的分子机制。总之,UPR-associated基因风险评分,N阶段,M阶段,年龄可以作为一个健壮的模型预测预后和提高决策在个体病人的水平。
1。介绍
头颈部鳞状细胞癌(HNSCC)第七届全球最常见的恶性肿瘤。全世界估计有93.17万例新病例的HNSCC早在2020年,超过467100人死于这种疾病(1- - - - - -3]。吸烟,酗酒,咀嚼槟榔果HNSCC的危险因素。最近的研究表明,病毒可能会极其HNSCC发展与风险增加相关,与持续性感染EBV和人乳头状瘤病毒(4- - - - - -7]。HNSCC特点是高度恶性肿瘤,转移率高,临床预后差(8]。HNSCC的5年生存率小于50% (4,6,9]。HNSCC直接连接到肿瘤的预后阶段,颈部淋巴结和远处转移。与TNM分期系统被广泛用于评估HNSCC临床预后。然而,在临床实践中是一种常见的现象:患者相似的临床阶段显示不同的预后结果在某种程度上,这表明TNM分期的生存并不能准确地预测。因此,迫切需要找到一个有效的和可靠的生物标志物来帮助医生准确评估患者的预后和制定个性化诊断和治疗计划。
激活的蛋白质反应(UPR)在肿瘤中扮演着重要的角色转换。一般UPR长期激活肿瘤细胞,并相信这种状态是一种机制,导致antiapoptosis和肿瘤细胞的耐药性10- - - - - -14]。当癌细胞受到内部和外部的挑战,如癌基因激活和缺氧,错误折叠蛋白质积聚在内质网(ER)腔(15]。维持一个稳定的环境ER在这个条件下,细胞启动信号级联减少蛋白质合成,上调陪伴和折叠酶的表达,诱导加速错误折叠蛋白质的降解。自适应的改变细胞构成了UPR [16]。
细胞可能适应逆境,启动自噬通过UPR生存。然而,UPR转换从一个细胞保护性反应ER应激时细胞毒性反应,促进细胞凋亡不缓解10]。癌细胞劫持通过激活UPR传感器,如ATF6 IRE1a,咖啡馆,和他们的主要监管因素,如GRP78,允许耐药性。因此,抑制UPR途径使癌细胞更敏感,传统/靶向药物治疗[16,17]。最近的一项研究[18)发现,肿瘤细胞逃脱免疫反应的调节肿瘤微环境中的免疫细胞活动通过UPR。因此,UPR可以提供一种新的方式来判断与头颈部鳞状细胞癌患者的预后。然而,很少有调查探索是否UPR在HNSCC与生存相关的结果。
我们的研究筛选UPR-associated基因强烈与HNSCC的预后有关。十四UPR-associated基因验证生存预后的生物标记物的分析。half-maximal抑制浓度(IC50)分析、免疫分析渗透和预后进行列线图,以帮助改善生存预测HNSCC病人的理解。我们的研究阐明影响HNSCC UPR-associated基因的分子机制,和UPR-associated基因可能为临床诊断和治疗提供指导预后。
2。材料和方法
2.1。HNSCC数据集的数据采集
我们下载并提取500 HNSCC病人的临床和生RNA-seq信息样本和44 paracancerous TCGA样本数据库。HNSCC病人被随机分为训练和测试组(1:1的比例)。微阵列表达和舌癌患者的临床资料队列(GSE41613)被用于外部验证签名,从地理数据库获得。
2.2。ssGSEA
的HNSCC RNA-seq表达数据分析通过使用ssGSEA方法GSVA [19]包根据标志基因集。进行了单变量Cox回归根据ssGSEA价值观和HNSCC临床信息。标志项目最终过滤,以备后续分析根据考克斯的结果。考虑到标准的 和最大人力资源价值,我们选择了UPR进行后续分析。
我们执行WGCNA (20.]WGCNA R包基于HNSCC RNA-seq数据的每个基因和靶基因的筛选。之间的关联筛选标志ssGSEA值并计算每个coexpression模块。最好的模块化基因相关性(相关系数的绝对值最大)被选为后续分析。
基因选择的coexpression模块有最好的相关性的ssGSEA值指定项目。根据临床资料,生存21包是申请每个基因的单变量Cox回归分析和基因 选择套索模型建设。
2.3。建设和验证UPR-Associated基因的预后签名
glmnet [22)包被用来执行套索回归分析的基础上,从培训获得的基因表达和临床数据组对应于上述筛查结果。计算回归系数对应于每个基因后,标记基因与回归系数不等于0。生存和接受者操作特征(ROC)分析来验证风险评分的影响HNSCC患者的预后和生成ROC曲线基于风险评分及临床信息。根据拉索模型和每一个基因的表达水平,predict.cv。glmnet函数用于计算每个样本的风险评分两组。
样本训练和测试组分为人力资源和LR组中值显示风险评分进行生存分析。ROC曲线分析套索回归模型结果进行了验证。结合训练和测试组的数据,我们验证了套索回归模型结果并再次进行ROC分析。GSE41613数据集是用于外部验证。训练得到的Cox回归模型组用来预测GSE41613中的每个样本的风险,没有记录的基因被0值所取代。
我们通过T台TCGA分组队列,N阶段,阶段,性别、年龄、组织学分级、病理组织。威尔科克斯。测试函数R包中被用来测试风险评分在上面的团体中,一些临床数据之间的相关性和风险评分计算。
2.4。对抗癌药物的敏感性分析
根据本金保证产品数据库和UPR-associated基因的表达水平在每个HNSCC样本,pRRophetic R包(23)是用于IC50测试。后,将样本划分为人力资源和LR组UPR-associated基因表达的平均风险评分,我们计算两组之间的IC50值与limma [24]R包。
2.5。分析免疫渗透
CIBERSORT [25)软件用于分数的免疫渗透每个样本根据表达式的值的基因。分数的22个免疫细胞之间的相关性估计。Wilcoxon测试用于测试免疫的差异分数之间的人力资源和LR组。
2.6。建设和验证的诺模图模型
我们开发了一个使用rms的包列线图和组合风险评分与各种临床因素获得的套索分析执行计算图表分析。之后,计算每个样本的列线图风险评分。生存、中华民国和考克斯分析终于证实。
3所示。结果与讨论
3.1。建设UPR-Associated Gene-Bas预后签名
我们的调查显示在图的工作流程1。首先,我们登记与RNA-seq数据共544个样本和临床信息,其中包括44名paracancerous TCGA样本数据库。后ssGSEA GSVA包根据特征基因集,HNSCC群样本受到单变量Cox回归分析探索途径与预后有关。总共有499癌症样本与生存的信息被用于这个过程。考虑到标准的 和最大人力资源价值,我们选择UPR-associated基因进行后续分析(数据2(一个)和2 (b)和表1)。根据ssGSEA得分中位数UPR基因集,HNSCC群体样本分为人力资源和LR组,并进行生存分析。总生存期(OS)和无病生存期(DFS) HNSCC明显不同的两组之间(数字2 (c)和2 (d))。ROC曲线从1年到10.5年(数字2 (e)和2 (f))显示,曲线下的面积(auc)都大于0.5,而最好的截断值为0.607(5年)。结果表明,UPR-associated基因签名可能预测与头颈部鳞状细胞癌患者的长期生存。
(一)
(b)
(c)
(d)
(e)
(f)
使用WGCNA coexpression分析应用方案,以及ssGSEA评分之间的相关性的特点UPR-associated基因和每个coexpression模块计算。基因模块中选择最好的相关性进行后续分析。根据临床资料,生存包被用于Cox回归分析所选择的基因,和候选基因( )使用套索模型建设。
1:1的比例,499个样本被随机分为测试和培训组。基于这些候选基因的表达TCGA培训组和临床资料数据库,套索进行了回归分析。基因与回归系数并不等于0的套索回归分析( , )被选为标记基因(数据吗3(一个)和3 (b)),我们获得14标记基因(图3 (c))。每个样本的风险评分计算使用predict.cv。glmnet函数基于Cox回归模型,每一个基因的表达水平(图3 (d))。
(一)
(b)
(c)
(d)
3.2。UPR-Associated基因的预后评估内部和外部验证群签名
基于风险评分中位数,我们训练和测试组分为人力资源和LR组套索Cox回归结果的验证。结果表明,不同操作系统之间的重要人力资源,LR组(数字4(一)和4 (c))。培训组的10年期AUC为0.772,和测试组的10年期AUC为0.727(数字4 (b)和4 (d))。合并后的数据,结果也显示同样的趋势为人力资源和LR组( , ),和10年期AUC是0.74(数据4 (e)和4 (f))。我们的研究结果表明,低风险病人有更好的预后培训(人力资源与LR病人;5年的操作系统:8.8%比14.4%; )和测试(人力资源与LR病人;5年的操作系统:5.6%比12.8%; )军团。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
执行外部验证GSE41613数据集。ROC分析显示5年AUC为0.607(数字4 (g)和4 (h)),有显著性差异在操作系统之间的人力资源和LR组( , )。LR的病人也有更好的预后(人力资源与LR病人;5年的操作系统:29.2%比49.0%; )。内部和外部验证组的结果证实,UPR-associated基因HNSCC患者生存的影响。
3.3。识别与UPR-Associated基因预后相关的生物学特性签名
进一步探索UPR-associated基因和临床特征之间的关系是由学习组织病理学分级风险评分的差异,性别、年龄、T台,N阶段,M阶段。风险评分的差异在每组数据所示5(一个)- - - - - -5 (f)。根据这些结果,性,M阶段,并未影响到风险评分和病理阶段。在数据5 (g)- - - - - -5(我)纯度、肿瘤、淋巴结状态和年龄都是风险评分相关的因素。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(我)
3.4。建设和验证的诺模图
尽管选择多个预后因素,复杂的变量之间的相互关系和每个因素的贡献肿瘤形成和发展仍不明朗。因此,一个更全面的预后预测模型是必要的。在这项研究中,我们创建了一个诺模图模型组成的年龄,N阶段,M阶段,基于点规模的风险评分预测生存在HNSCC病人(图6(一))。诺模图模型预测精度是评价使用校准曲线和ROC曲线(数据6 (b)和6 (c))。基于我们的研究结果,计算图表模型能够准确地预测OS HNSCC患者。
(一)
(b)
(c)
3.5。抗癌药物反应
预测一个癌症病人治疗的反应代理,我们进行了研究人力资源之间的IC50值的差异和LR UPR-associated基因组。结果(图7)表明,抗癌药物如AKT抑制剂三世,CCT007093,长春花碱,过去1864年,elesclomol, AS601245 HR患者最敏感的药物。索拉非尼,丝裂霉素C, obatoclax甲磺酸,PHA665752, VX702 LR的最敏感的抗癌药物的病人。基于这些发现,指导临床治疗,这可能取决于UPR-associated基因的类型。
3.6。免疫渗滤分析
探索不同风险之间可能非常不同的免疫细胞组织,我们执行免疫渗透分析。M0巨噬细胞的差异,卵泡辅助T细胞,天真的CD4 T细胞、CD8 T细胞,NK细胞休息是重要的两个测试组之间(图8),这表明这些免疫细胞可能与UPR-associated相关基因。
3.7。基因集富集分析(GSEA)
我们执行GSEA理解UPR-associated基因的潜在的生物过程,细胞组件、分子功能,和通路不同高危人群之间可能相差很大。如图9(一个)磷酸酶活动的积极的调控,细胞外渗,和积极的监管磷脂酰肌醇3-kinase活动明显丰富人力资源组。建立的蛋白质定位,目标蛋白质膜,ER和蛋白质定位是高纯度的LR组。细胞成分分析表明,UPR-associated基因与磷脂酰肌醇3-kinase复杂,吞噬杯,和质膜筏人力资源集团和preribosome大亚基前体,U1 snRNP和大型核糖体亚基是丰富LR组(图9 (b))。图9 (c)表明SH2域绑定,绑定,细胞因子和RNA聚合酶II转录因子结合在人力资源组,高纯度二硫化和氧化还原酶活性,作用于NAPDH /醌或类似的化合物作为受体,和结构组分的核糖体丰富LR组。血小板活化、缝隙连接和甲状腺激素信号通路相关UPR-associated高危人群的基因。氧化磷酸化、嗅觉传导和核糖体丰富LR组在KEGG通路分析(图9 (d))。通过分析浓缩分析结果,我们可以了解影响HNSCC UPR-associated基因的分子机制,阐明其影响预后的作用。
(一)
(b)
(c)
(d)
4所示。讨论
UPR是一种自适应信号网络所诱发的生理和病理条件。研究人员检查了UPR激活标记和癌症的预后之间的关系(26,27]。结果表明,活化的UPR有关短操作系统,增加肿瘤侵犯,并增加在乳腺癌转移,结直肠癌,胶质母细胞瘤、肝细胞癌(28- - - - - -30.]。积累的证据也表明,UPR信号通路和ER应激发挥功能性作用通过调节HNSCC至关重要的肿瘤生物过程,包括进展和治疗抵抗(16]。然而,很少有研究显示是否UPR状态预测HNSCC患者的预后。此外,人力资源不同UPR状态也应评估患者的免疫状态,增加他们的免疫疗法的有效性。因此,我们的研究是基于UPR-associated旨在构建一个模型预测基因HNSCC预后并进一步描述两者之间的IC50值和免疫渗透水平UPR风险组。从这项研究中最重要的结论是,UPR状态HNSCC患者预后的一个重要因素,和UPR-associated基因风险评分结合年龄、N阶段,和M阶段可以用来开发一个健壮的预测模型进行生存分析。IC50分析和免疫渗透分析可以提高决策在个体病人的水平。
单变量Cox分析确定14 HNSCC预后影响的关键UPR-associated基因(ADGRG1、ALDOA ERP44, GAK, GARS1, GHITM, MYH11, PFKM, PKD1, RDH11, TJP3, TPM3, TPT1,和VDAC1)。ER-resident蛋白质44 (ERP44)是一个氧化还原的位置传感器和控制关键酶在ER。ERP44促进发展在鼻咽癌通过其与ATP柠檬酸裂解酶和调节epithelial-mesenchymal过渡(EMT) [31日]。鼻咽癌细胞释放液ERP44表达,这可能是传递到相邻细胞ER应激下增强药物抗性(32]。上述资料表明ERP44基因影响是一个重要的肿瘤恶化,HNSCC药物抗性。蛋白激酶D1 (PKD1)是一种丝氨酸/苏氨酸激酶家族成员和激活保护信号对ER应激。多项调查表明,PKD1扮演了一个角色在各种肿瘤的监管途径33]。PKD1密切相关,角质细胞的再分化和细胞增殖的增加,它可能提高ERK / MAPK途径[的活动34]。PKD1的高表达与分化差在口腔鳞状细胞癌(35]。PKD1经常表达下调转录和蛋白质含量在HNSCC细胞系(36]。然而,没有相关报道HNSCC PKD1对预后的影响。MYH11 HNSCC操作系统是一种新型的基因预测,可能是药物的目标基于生物信息学分析(37,38),但实验支持这些发现尚未进行。PFKM的影响,ADGRG1、ALDOA GAK, RDH11, TJP3, TPM3, TPT1, VDAC1 HNSCC的预后和免疫HNSCC微环境的变化很少被报道,需要进一步调查。我们还证明了UPR-associated基因差异表达在不同的T台,N阶段,组织年级组。我们发现,UPR癌症风险评分与纯洁,淋巴结状态和年龄。这些结果表明,UPR-associated基因HNSCC的生物学行为的影响。
几个模型的预测结果之间出现分歧和外部验证GSE41613数据集的结果。我们推测这可能与HNSCC的分类结果。HNSCC分为口腔鳞状细胞癌(OSCC)、口咽癌、鼻咽癌、喉癌,等等。这些癌症的致病因素是多元化的,不同生存状况的不同子HNSCC [39]。因此,TCGA HNSCC信息数据库是相对复杂。偏差的分组培训组和测试组可能导致上述令人不满意的结果。因此,我们建议未来的预后分析HNSCC子站之一,如OSCC,应该基于这个子站的数据而不是HNSCC混合多个站点。然而,这种模式带来的主要好处互补的角度来看,个体肿瘤患者得分和建立框架。因此,我们的诺模图可能是一个有利的工具,临床医生在未来。然而,是否UPR-associated基因模型预测复发HNSCC尚不清楚。这种关系是我们未来的重点,我们将调查的角色UPR-associated基因HNSCC的复发。
越来越认识到异质性肿瘤进展和临床决策具有重要意义。目前的证据支持,在癌症化疗抵抗UPR和ER应激有关32]。与现有抗癌药物的一个问题是,一个特定的药物在不同个体显示了不同的敏感性。针对UPR分支是一种很有前途的方法提高化疗的癌症的功效[40]。考虑到上述问题,我们进行了UPR-related IC50分析探索敏感性和帮助HNSCC病人获得个性化的治疗方案。AKT抑制剂三世,CCT007093,长春花碱,过去1864年,elesclomol, AS601245等可能在人力资源最敏感的抗癌药物的患者结果生存比LR的贫穷的病人。然而,还需要更多的研究来证实这些药物能否实现预测的敏感性。最近的一项研究[41]探索的最佳指标预测药物敏感性,他们发现,上述区域的剂量反应曲线比IC50。进一步验证这些药物的抗癌敏感性不同的高危人群,应进行体内和体外实验。
先前的研究已经表明,UPR躲避免疫应答通过调节肿瘤微环境。ER应激状态的肿瘤细胞巨噬细胞和树突状细胞(DC)传播的微环境。这种沟通导致的upregulation一些促炎细胞因子和趋化因子的表达,抑制dc的成熟。它也抑制CD8 + T细胞的活化和分泌精氨酸通过减少抗原表达的过程中,它可以抑制T细胞的活化,导致肿瘤的免疫逃逸18]。因此,我们进一步研究了UPR在肿瘤微环境的作用评价免疫细胞浸润。结果显示显著差异在M0巨噬细胞,滤泡辅助T细胞,天真的CD4 T细胞、CD8 T细胞和NK细胞休息之间的人力资源和LR组。这一发现提供了重要的见解肿瘤免疫微环境影响UPR。
不同的风险组显示GSEA浓缩在不同通路。签名中包含的UPR基因主要是参与血小板激活,缝隙连接,甲状腺激素信号通路在人力资源组。血小板似乎恶性肿瘤转移中发挥重要作用。癌症转移是促进血小板之间的互动和循环肿瘤细胞(ctc)。ctc激活血小板,并激活血小板积聚和保护ctc NK细胞和剪切应力。最后,CTC缺氧耐受性由血小板,随着血管生成,EMT,溢出,并最终转移42]。我们的研究结果建议解释为什么人力资源组患者有一个贫穷的结果比LR病人,和血小板激活的状态可能是一个至关重要的因素。
总之,我们确定了14个基因与UPR HNSCC影响患者预后。根据这些基因,我们调查了UPR风险评分HNSCC患者的预后意义,建立了计算图表预测模型结合这种风险得分随着年龄的增长,N阶段,和M阶段。免疫细胞的微环境的渗透是进一步分析,这对免疫疗法提供了一些信息在不同风险组。这项研究还描述了HNSCC组治疗方案在不同的风险,它可以作为进一步研究的参考临床药物治疗。值得注意的是,的预后HNSCC从的角度分析了UPR和免疫微环境的变化和可能的有效的药物治疗方案,治疗HNSCC提供一定的帮助。然而,因为我们的研究是基于生物信息学分析,有一定的局限性,和我们的结果必须确认进一步的临床研究。这种限制意味着研究结果必须慎重解释。这些UPR-associated基因的功能和机制,单独或组合,应该调查来支持他们的临床应用。
5。结论
我们开发了一个基于UPR-associated基因签名,强有力的模型。,the UPR risk score combined with age, N stage, and M stage, and this model may be used to predict HNSCC survival prognosis. Our study enhances the understanding of genes associated with UPR pathways in HNSCC and can improve decision-making at the individual patient level.
数据可用性
本研究中给出的数据是公开TCGA和地理数据库。
的利益冲突
作者宣称,这篇文章的出版不涉及任何利益冲突。
作者的贡献
王涛和玲玲陈了同样的工作。
确认
这项研究是由福建省的青年教师教育科学项目,中国(批准号JAT190230),福建医科大学和Qihang计划,中国(批准号2019 qh1129)。作者要感谢香港王为出色的支持和杨博士陈批判性回顾手稿。