文摘
背景。新辅助化疗(neo-CRT)结合手术增加生存单独手术相比,所表示的食管鳞状细胞癌(ESCC)治疗建议。然而,neo-CRT的好处是多样化的患者。因此,开发新的生物标志物,可能与neo-CRT ESCC的重要治疗。方法。(度)之间的差异表达基因的响应性和耐GSE45670数据集样本。TCGA数据集,识别prognosis-related-EMT-genes进行生存分析。EMT评分模型建设、套索TCGA组回归分析是用来识别基因。TCGA-ESCC群,年龄阶段,EMT评分被用来构造一个列线图。结果。总共10 prognosis-related-EMT-genes。这10个基因由6风险基因和4保护基因。基于套索和单变量Cox回归分析,EMT评分模型组成的7个基因(CLEC18A, PIR KCNN4, MST1R, CAPG, ALDH5A1,和COX7B)被确认。ESCC EMT评分高的患者预后差。这些基因差异表达之间的响应和抗耐药患者和有区别的精度高和响应的病人。结论。识别基因有可能作为分子生物标志物预测ESCC患者neo-CRT阻力。这项研究可能有助于分子过程的说明行驶阻力和识别目标为ESCC改善预后。
1。介绍
将会有20640新增确诊食道癌在美国2022年,将有16410人死于食道癌,根据2022年美国癌症统计数据(1]。ESCC EC的主要组织学亚型,占大约90%的电子商务出现(2,3]。许多因素对ESCC的发展,包括吸烟、酗酒,和热水4,5]。ecs很难诊断,因为没有具体的症状和缺乏早期检测方法允许一个早期诊断(6]。只有15 - 25%的ESCC患者生存5年之后他们最初被诊断出患有这种疾病7]。增加ESCC的生存时间,迫切需要发现ESCC的基因变化和识别新的生物标志物。
最常见的治疗局部晚期ESCCs是手术7]。重要的是要注意,手术后复发是常见的疾病,而且预后明显没有改变过去几十年(8]。使用neo-CRT结合手术改善预后大大单独手术相比,和治疗建议(建议9]。试验包括113例食道癌,添加neo-CRT 3年生存率从6%上升到32% (10]。应该提到的,然而,neo-CRT有两个主要缺点。最初,neo-CRT治疗的结果变量。一些病人可以抵抗neo-CRT和预后较差的生存11]。此外,研究表明,neo-CRT与术后并发症的风险增加(12]。因此,它将有利于ESCC患者如果新型生物标志物可以预测他们的反应neo-CRT确认。
是很常见的癌症细胞激活不同的信号通路和发展化疗抵抗,这有助于他们活着,尽管化疗(13]。研究中,观察到化疗造成的阻力可以epithelial-mesenchymal过渡(EMT) [14- - - - - -16]。EMT通常定义为上皮细胞的特征的丧失和收购间充质特征在同一细胞(17]。有越来越多的证据表明,EMT与肿瘤发生、癌症入侵,耐药性(18,19]。人们已经发现,有一个重要的EMT基因和转移性疾病之间的联系,以及ESCC的临床阶段(20.]。然而,需要更多的研究来探讨在ESCC EMT的角色。
表达数据的响应和抗样本来自不同的数据库。EMT-related基因表达的差异与neo-CRT响应被确定。使用套索回归分析,7基因(CLEC18A, PIR KCNN4, MST1R, CAPG, ALDH5A1,和COX7B)被用来获得ESCC EMT的分数估计预后。此外,EMT得分、年龄和阶段被用于建筑的诺模图预测1 - 3 -,ESCC的5年总生存期(OS)。对于诊断(耐药和响应),EMT分数显示比基因更准确的值。
2。患者和方法
2.1。基因表达数据
GSE45670表达数据从GEO[下载21)由GEOquery包(22]。这个数据集包括28个食管鳞状细胞癌(ESCC)样品和10正常样本。28 ESCCs患者,新辅助放化疗治疗(包括顺铂和vinorelbine neo-CRT)。11他们对治疗的反应完全,而17人抵抗治疗。除此之外,TCGAbiolinks包是用来下载表达信息和临床记录TCGA的185 ESCC患者数据库(23]。GSE86099使用紫杉醇耐药细胞和识别关键基因mRNA转录文件用于开发紫杉醇耐药(24]。GSE45670样本的详细信息和TCGA-ESCC补充表所示1和补充表2。
2.2。度识别和富集分析
为了更清楚地说明11响应的分布和17的样本,应用主成分分析。为了提高样品的质量和数量的度,低质量的样本然后通过主成分分析的结果。我们使用磨边机包检测响应之间的度和耐样本基于log2foldchange 和值< 0.05截止标准(25]。浓缩进行了分析使用R包“clusterProfiler”[26]。的值< 0.05是用来区分显著富集条件。
2.3。Survival-Related EMT基因鉴定
总共有3600个EMT-related基因从EMTome检索(27]。我们确定的基因被TCGA-ESCC样本与预后显著相关。在这些survival-related基因,基因与“ “风险被定义为基因,基因与“ ”被定义为具有保护作用的基因。维恩图是用来显示的重叠度,EMT基因,survival-related基因。重叠基因被选为survival-related EMT的基因。
2.4。EMT评分模型的建设
我们已经确定候选人预后基因通过应用套索TCGA-ESCC队列中回归分析通过使用glmnet包(28]。然后我们使用单变量Cox回归分析来计算每个基因的系数。mRNA表达和与这些基因相关的系数被用于EMT分数的计算。TCGA ESCC患者从数据集被分成低和高子组基于中值。低和高组预后差异比较,和预后预测EMT的分数计算的能力。
2.5。发展的诺模图
TCGA-ESCC队列包括年龄、数据阶段,EMT得分,被用来构造一个列线图。校准曲线是如何生成的,所以实际的存活率之间的一致性,和预期的存活率可以被评估。此外,和谐指数(c指数)计算模型来预测预后的评估能力。这些分析进行了rms的包。
2.6。免疫得分和免疫细胞渗透分析
通过表达谱,免疫得分和基质的分数计算使用“估计”包[29日]。由包GSVA [30.),免疫细胞数量的渗透水平确定。
2.7。耐药的分类和响应患者的诊断能力
在这项研究中,我们使用pROC包估计曲线下的面积(AUC)来评估药物对治疗的反应的预测能力。然后,我们还计算了EMT的AUC值分数和基因分类ESCC和正常样本。
3所示。结果
3.1。度识别
本研究的流程图如图1(一)。主成分分析(PCA)应用于分类样本在图11响应和17的抵抗力1 (b)。然后,4反应样本(GSM1111699, GSM1111694、GSM1111695 GSM1111693)和4耐样本(GSM1111677, GSM1111680 GSM1111682, GSM1111688)被删除,因为他们离群值(图1 (c))。我们比较耐7响应之间的基因表达和13使用磨边机包样品。的log2foldchange 和值< 0.05接受考虑基因差异表达,确定总共有2604个基因(1142调节和1462耐药组中表达下调)这个截止(以上数据1 (d)和1 (e))。然后,我们调查了生物过程和通路富集分析。外部封装结构组织(去:0045229),细胞外基质的组织(去:0030198)和细胞外结构组织(:0043062)是主要的生物过程在度(表1)。ECM-receptor交互(hsa04512),除此之外,人类乳头瘤病毒感染(hsa05165),粘多糖硫酸biosynthesis-chondroitin dermatan硫酸(hsa00532)和粘着斑的主要途径(hsa04510)度(表2)。
(一)
(b)
(c)
(d)
(e)
3.2。Survival-Related EMT基因鉴定
基于生存分析进行一个R循环,在所有17468个基因,939个基因生存有着显著的相关性。939 survival-related基因,118人保护基因,和821年风险基因。维恩图显示6 EMT基因(PIR、EID3 COX7B, CLEC18A, ALDH5A1,和DYNC1I1)通常是调节在耐药样品和高风险的基因(图2(一个))。除此之外,维恩图显示4 EMT基因(CAPG, MST1R、KCNN4和VDR)通常在耐样本中表达下调和保护性基因(图2 (b))。这十个基因被定义为prognosis-related EMT基因(PREMTs)。
(一)
(b)
(c)
(d)
3.3。建设EMT的分数
之后,我们进行了套索TCGA-ESCC样本分析分析这十PREMTs(图2 (c))。通过交叉验证的过程,结果表明:7 PREMTs能够产生一个优越的效应模型中(图2 (d))。然后,采用单变量Cox回归方法获得基因的系数值。EMT模型组成的7个基因(CLEC18A, PIR KCNN4, MST1R, CAPG, ALDH5A1,和COX7B)被确认。个人使用系数的EMT的分数和基因表达 。
TCGA ESCC患者中被分类为高或低EMT得分基于中值。在我们的研究中,我们研究了两种不同的EMT组的死亡率。我们惊奇地发现该集团在高EMT的生存能力远远低于EMT(图组低3(一个))。CLEC18A的表达式的值,PIR、KCNN4 MST1R, CAPG, ALDH5A1,组间COX7B见图3 (b)。表达式的值CLEC18A, PIR ALDH5A1, COX7B EMT高组高。表达式的值KCNN4、MST1R CAPG组高EMT较低。之间有实质性的不同操作系统组(值< 0.001,图3 (c))。此外,AUC值显示评估EMT签名的预测能力。EMT的AUC值分数为1,3,和5年生存率分别为0.662,0.729,和0.760,分别(图3 (d))。
(一)
(b)
(c)
(d)
3.4。操作系统预测的诺模图
通常,诺模图是用来量化风险的人在治疗环境中通过结合各种变量。通过结合EMT分数、年龄和阶段,我们开发了一个列线图来估计1 -的存活率,ESCC的3 - 5年操作系统(图4(一))。每个组件的诺模图分配点根据其贡献。大多数的贡献来自于EMT的分数,和列线图的c指数为0.70。校准曲线的1 -,3 -和5年被用来评估模型预测数据的准确性4 (b)- - - - - -4 (d))。和研究结果表明,实际和预期的生存是高度一致的,特别是对于三年生存(图4 (b))。
(一)
(b)
(c)
(d)
3.5。估计EMT的得分与免疫力
使用估计、免疫和基质分数计算为了检查EMT分数肿瘤免疫的影响。数据显示,那些低EMT的免疫得分高的得分明显高于EMT评分(值= 0.011,补充图1A)。有一个逆EMT分数和肿瘤免疫之间的关系( , ,补充图1B)。患者EMT的分数高,另一方面,往往肿瘤纯度更高(补充图1一个),但是差异不显著(值= 0.14)。
此外,免疫细胞的比例比较跨组(补充图2)。等部分免疫细胞cd8 t细胞,树突状细胞和自然杀伤细胞低EMT评分小组得分高于高EMT的子群。
3.6。评估签名的力量显著抗性和敏感患者
基因的表达值比较耐药和响应之间的病人(图5(一个))。评估能力区分抗性和敏感患者,我们测量了AUC的基因和EMT的分数(数字5 (b)- - - - - -5(我))。对于诊断(耐药和响应),EMT分数显示最高的AUC值( )比基因。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(我)
一个独立的数据集(GSE86099)包含细胞的表达谱与紫杉醇电阻有关。对于诊断(耐药和响应),所有基因和EMT分数显示完美的AUC值( )(补充图3A -3H)。
3.7。评估的签名权力区分ESCC和正常样本
的基因表达水平CAPG、CLEC18A MST1R肿瘤样本(图中更高6(一))。我们画的ROC曲线survival-related ECM基因明确的诊断价值区分ESCC和正常样本(数据6 (b)- - - - - -6(我))。结果显示MST1R ( ),0.743 CAPG (AUC), CLEC18A ( ),和EMT的分数( )有重要的诊断价值。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(我)
3.8。验证预后功能基因
然后,EMT基因表达之间的相关性和患者生存确认(补充图4A -4患者J)。研究结果表明,高浓度的ALDH5A1, PIR, COX7B显著降低操作系统。
4所示。讨论
ESCC的癌症是一种进取,对人类健康构成重大威胁由于其高发病率和低存活率5年后(31日]。目前,很少有有效的生物标记物,可以用来诊断、预后和治疗ESCC。基因表达数据是用来发现EMT与放化疗抵抗,以及ESCC预后之间的关系。最后,6风险基因(PIR、EID3 COX7B, CLEC18A, ALDH5A1,和DYNC1I1)和4保护基因(CAPG, MST1R、KCNN4和VDR)被确定。基于套索分析,EMT评分模型是由7基因的表达值(CLEC18A, PIR KCNN4, MST1R, CAPG, ALDH5A1,和COX7B)。EMT升高患者得分ESCC的预后更差。
早期的研究分析了nCRT应答器之间的基因表达差异和nonresponder样本来预测nCRT响应(32]。在确定基因,五nCRT准确预测响应的基因。在我们的研究中,在确定的7基因,ALDH5A1, CLEC18A, COX7B, PIR耐药患者的调节。CAPG、KCNN4 MST1R调节反应患者。在预测模型中,所有七个基因和EMT分数达到精度高(> 80%)在预测病人对治疗的反应。此外,MST1R ( ),CAPG ( ),CLEC18A ( ),和EMT的分数( )也有重要的诊断精度区分肿瘤和正常样本。
通过分析表达谱,我们预测免疫的免疫得分和价值的亚种。根据研究结果,EMT得分高的组有一个相当大的免疫细胞的数量减少。可能这就是为什么EMT分数高的人有一个贫穷的预后。EMT可能与免疫抑制直接或间接交互,如图所示,之前研究的结果(33]。因为免疫细胞是免疫治疗的重要生物标志物,EMT对免疫力的影响是很重要的,需要更多的研究。
MST1R有关细胞的能动性和矩阵入侵预测指标的肿瘤转移表型的能力(34]。MST1R显著高表达胃食管的样本的74%,和过度预测穷人生存34]。对于其他基因,他们的角色在ESCC需要更多的研究。
对我们的研究有一定的局限性。这七个关键EMT基因有可能使用不仅在ESCC阻力预测,也尽可能的预后标志物。然而,七个重要基因和ESCC EMT预后之间的关系可能不是健壮。因此,为了发现这七个基因的精确的生物学行为(CLEC18A, PIR KCNN4, MST1R, CAPG, ALDH5A1,和COX7B)参与ESCC的形成,必须进行实验验证。与此同时,有几个ESCC标本。为了评估潜在的疾病,这些基因的预测效用更多的验证样本是必需的。
5。结论
使用不同的数据集,7 ESCC化疗抵抗中发挥重要作用的基因,也就是说,CLEC18A, PIR, KCNN4, MST1R, CAPG ALDH5A1,和COX7B选择。本研究的发现可能有助于澄清ESCC化疗耐药性的分子过程,帮助我们识别潜在目标预测化疗抵抗。
数据可用性
以下信息是提供有关数据可用性:数据可用,TCGA (https://portal.gdc.cancer.gov/)、地理(https://www.ncbi.nlm.nih.gov/geo/)。
的利益冲突
作者宣称没有利益冲突。
作者的贡献
Kewei歌曲和陈郝的构思和设计研究。马Kewei歌,Baohong顾,晨辉分析数据并绘制这些数据。王Kewei歌曲和Bofang起草文章。Na wang荣昱,陈郝修改这篇文章批判。所有作者都最终批准提交的版本。
确认
这项研究得到了国家自然科学基金(没有。甘肃省(82160129)、关键人才工程。2019 rcxm020),甘肃省科技重点项目(19 zd2wa001) COVID-19兰州城市的预防和控制技术研究项目(2020 - xg - 54),城管的兰州城市的科技项目(2020 shfz0039),城管的兰州城市的科技项目(2020 jscx0073),和Cuiying科技创新项目(没有兰州大学第二医院。CY2017-ZD01)。
补充材料
补充1。补充图1:估计EMT的得分与肿瘤免疫。(a)的基质分布分数,肿瘤免疫分数,在低和高纯度EMT得分TCGA的子组数据队列。(b) EMT的分数和免疫分数之间的联系。
补充2。补充图2:协会EMT的得分与免疫的亚种。
补充3。补充图3:(a)的诊断价值CLEC18A, (b) ALDH5A1, PIR (c), (d) COX7B, (e) CAPG KCNN4 (f) (g) MST1R, (h) EMT得分紫杉醇阻力。
补充4。补充图4:kaplan meier生存曲线ALDH5A1基因(a), CAPG (b), CLEC18A (c), COX7B (d), DYNC1I1 (e), EID3 (f), KCNN4 (g), MST1R (h), PIR(我),和VDR (j)。
补充5。补充表1:样本GSE45670数据集的详细信息。补充表2:样本TCGA-ESCC数据集的详细信息。