文摘

在全球范围内,肾细胞癌(RCC)是第二个最常见的癌症和第十届癌症相关死亡的主要原因。大约有70%的病例的碾压混凝土的透明细胞肾细胞癌(ccRCCs)。本研究探讨了可能的目标免疫治疗患者的碾压混凝土。近年来,免疫疗法已用于碾压混凝土的病人。为了确定与免疫细胞密切相关的基因,基因coexpression加权网络分析(WGCNA)。之间存在密切相关基因参与米列和M0巨噬细胞,巨噬细胞M1和M2巨噬细胞。随后预后预测模型是将操作系统和开发的关键基因的表达水平RCC队列为单变量COX回归分析,多变量COX回归分析和COX回归分析相结合。我们终于发现6基因与RCC患者的预后密切相关,包括SLC16A12 SLC2A9, IGF2BP2, EMX2 ANK3, METTL7A。生存分析证明了模型的预后预测价值。1年期、3年和5年的AUC ROC曲线是0.759,0.723,和0.733,分别。 For clinical ROC curves, the AUC score for risk score, stage, grade, andT阶段是0.759、0.824、0722和0.736,分别。更好的预后预测的列线图建于RCC的病人。此外,GSVA和富集分析去探索潜在的途径与基因密切相关的预后预测模型。因此,我们的研究表明,免疫细胞在碾压混凝土渗透起到至关重要的作用。预后预测模型的发展是一个潜在的新的肿瘤预后的生物标志物和潜在的免疫治疗目标。

1。介绍

据估计每年有430000新发病例和180000例死亡,肾细胞癌(RCC)是全世界癌症相关死亡的十大原因之一(1]。碾压混凝土发展从肾小管上皮细胞,行近曲小管,尿液的小管道运输在肾脏2]。碾压混凝土有15个亚型,每个都有自己的遗传和表观遗传特征,根据2012年国际社会共识会议泌尿外科病理学(ISUP) [3]。碾压混凝土的主要亚型是透明细胞肾细胞癌(ccRCC),占近70%的所有情况下的碾压混凝土(4]。大约50%的信用社偶然发现,四分之一的患者被诊断为转移性疾病(5]。百分之三十的病人接受肾切除术为RCC复发和转移性肾细胞癌发展(mRCC),这被认为是在高死亡风险从碾压混凝土6]。除了其高发病率和死亡率,mRCC只有五年存活率为18%。本质上是很难治疗碾压混凝土与传统癌症治疗、化疗和放疗等(7]。

在过去的十年中,针对各种实体肿瘤免疫疗法试验已经急剧增加。癌症免疫治疗已经不仅仅理解癌症和免疫系统之间的对话来预测癌症预测(8]。实体肿瘤的手术切除,其次是化疗或放射治疗,仍是许多实体肿瘤的主要治疗(9]。然而,免疫疗法继续迅速改善病人的存活率。发展和出现的一些新型药物和组合,医学肿瘤学在过去的十年里取得了举世瞩目的进展。单克隆抗体免疫检查站是这些治疗方法的关键部件(10]。多种恶性肿瘤与免疫治疗检查点单克隆抗体,取得了明显的成效11]。最近,免疫治疗转移性黑色素瘤,移行细胞癌,nonsmall细胞肺癌,和肾细胞癌已经彻底改变了,报告前所未有的响应率和存活率(12]。毫无疑问,单克隆抗体免疫检查站已经彻底改变了许多血液和实体肿瘤的治疗。当前的挑战依然存在识别特定分子和组织学生物标志物预测免疫疗法的反应(13]。结果,预测生物标志物的鉴定免疫检查点单克隆抗体治疗的选择代表了一个非常活跃的地区的临床研究[14]。然而,值得注意的是,虽然许多实体肿瘤免疫疗法似乎很有希望,相对较少的进展在碾压混凝土15]。在过去的十年里,RCC治疗经历了重大的变化。除了手术切除,很少有碾压混凝土的有效治疗方法。由于当前系统性治疗的发展,碾压混凝土的病人现在可以接受的方案,包括贝伐单抗,抑制VEGF信号,以及mTOR和免疫抑制剂(艾多酷)[检查站16]。患者转移mRCC目前对待ICI-based组合作为标准的一线治疗。尽管ICI-based联合治疗大大提高碾压混凝土病人的结果,大多数病人仍有主要阻力(17]。为了有效地治疗RCC,需要开发新的治疗策略。碾压混凝土的建立免疫反应使immunotherapy-based药物一个有前途的治疗选择18]。

最近,在硅片分析已经应用在许多领域,包括癌症预后预测癌症免疫学反应,药物敏感性,和基因突变分析。在这项工作中,我们的目标是探索免疫细胞之间的关系和碾压混凝土的渗透。此外,潜在的免疫疗法和RCC病人也探索之间的关系。我们的研究为RCC的治疗提供了一个有前途的方向。

2。方法

2.1。数据下载

超过20000个主要癌症样本和正常样本匹配分子癌症基因组图谱的特征(TCGA,https://www.cancer.gov/about-nci/organization/ccg/research/structural-genomics/tcga),一个具有里程碑意义的癌症基因组项目。TCGA生成超过2.5 pb级的遗传、外遗传性,转录组和蛋白质组信息在未来数年。Genotype-Tissue表达式的全称是GTEx数据库,它收集的测序数据组织正常的个人。在这部作品中,转录组数据,以及前列腺癌患者的临床特点,从TCGA和GTEx数据库下载。

2.2。免疫细胞浸润

CIBERSORT算法被用来分析RNA-seq数据从碾压混凝土获得患者在不同的子组来确定22免疫浸润细胞的相对比例。确定基因表达之间的关系和免疫细胞浸润,斯皮尔曼相关分析。统计上显著的结果的人值小于0.05。计时器(https://cistrome.shinyapps.io/Timer/)是一个工具,它允许系统分析癌症的免疫渗透。分析了在目前的研究中,定时器确定免疫细胞浸润和表达水平之间的关系。

2.3。加权基因Coexpression网络分析(WGCNA)

WGCNA,在不同的微阵列基因样本之间的关联模式分析研究基因组之间的关联和临床特征。决定基因的相关性的第一步是计算相关系数。为筛选确定一个阈值两个基因有类似的表达模式。超出阈值的基因被认为是类似的。使用基因之间的相关系数,第二步是建立一个层次聚类树。聚类树中显示不同的基因模块不同的分支,和颜色显示不同的模块不同的颜色。基于加权相关系数,相似的基因表达模式分为模块根据他们的表达模式。为了确定与这些免疫相关的模块化的免疫细胞大部分浸润,WGCNA都使用了“WGCNA”R包(https://cran.rproject.org/web/packages/wgcna/index.html)。

2.4。建设基于RCC的预后预测模型群

模块(MM)的成员代表基因表达谱与已知的基因相关联模块的一部分。之后,我们进行了单变量分析模块,每个基因的确定基因与预后显著相关。与“glmnet”R包中,我们使用最绝对的收缩和选择算子(套索)Cox回归进一步缩小候选人immunorelated预后生物标志物。二元模型与非零系数确定的几种基因,和样本分为低风险和高风险组使用“survminer”R包中。此外,生存分析还在进行R。进行了使用ROC分析R包“中华民国生存。“AUC (ROC曲线下的面积)值被用来评估ROC曲线的预后价值。

2.5。丰富了基于关键路径分析的基因

分析去函数注释基于数据库(https://geneontology.org/page/go-database)和KEGG通路的分析基于KEGG数据库(注释https://www.kegg.jp/kegg/ko.html)进行探索与选择的基因密切相关的潜在途径。去富集分析包括生物过程(BP)的分子功能(MF),和细胞组件(CC)。作为这项研究的一部分,使用GSVA基因集富集的评估,一个非参数方法和非监督。综合得分感兴趣的基因集,能够改变这种分析转换为路径变化,然后确定样品的生物功能。分子特征的数据库被用来检索本研究基因集。GSVA算法被用来评估潜在的生物功能变化在不同的样本。

2.6。统计分析

我们使用了R软件进行统计分析。一个值小于0.05被认为是显著两边的测试。

3所示。结果

3.1。探索模块的基因与巨噬细胞密切相关

首先,为了找出免疫细胞的水平在所有RCC TCGA患者数据库,我们进行了基于CIBERSORT免疫细胞渗透分析算法。热图显示免疫相关细胞的不同表达水平在所有RCC军团(图1(a))。随后,我们评估不同的几种细胞之间的关系。对于大多数的几种细胞,消极的关系被发现(图1(b))。然后,为了获得分子与某些免疫细胞密切相关的基因,我们WGCNA执行。WGCNA, 9是公认的软阈值(数字1(c) -1(e))。构建一个层次聚类树之后,我们终于获得总共23基因模块,包括MEblue MEsaddlebrown, MEdarkturquoise, MElightcyan, MEpurple, MEskyblue, MEcyan, MEdarkolivegreen,米列,MEdarkgreen, MEgrey60, MElightyellow, MEturquoise, MEroyalblue, MEsalmon, MEyellow, MEsteelblue, MEpaleturquoise, MEviolet, MEdarkorange, MEblack MEmidnightblue, MEblue(图1(f))。进一步分析发现,基因参与MEblue与浆细胞密切相关。此外,监管T细胞与MEblack密切相关的基因。巨噬细胞,我们发现这两个米0巨噬细胞,米1巨噬细胞,米2巨噬细胞与基因参与米列高度相关。

3.2。建设预后预测模型基于与巨噬细胞相关的基因

基于前面的分析,我们发现基因参与米列模块被认为是与巨噬细胞密切相关。然后,我们进行了单变量COX回归分析基于总生存期(OS)和米列基因的表达。结果表明,总共有70个基因与RCC患者的预后密切相关(图2(a))。此外,套索回归分析表明,12个基因(ZNF704、CYS1 AP000439.2, SLC16A12, HACD1,板条箱,F2RL1, SLC2A9, IGF2BP2, EMX2, ANK3,和METTL7A)被视为prognosis-related基因(数字2(b)和2(c))。最后,多变量COX回归分析表明,6个基因参与预后预测模型,包括SLC16A12 SLC2A9, IGF2BP2, EMX2 ANK3, METTL7A(图2(d))。生存分析显示,RCC病人参与高危群体与贫困相关的操作系统(图2(e))。随后,我们进行单变量和多变量独立预后分析基于临床特点和风险评分。单变量独立预后分析表明,年级,阶段,T阶段,米阶段,风险评分是RCC患者的独立预后因素(图3(一个))。多元独立预后分析、年级阶段,风险评分是RCC患者的独立预后因素(图3 (b))。对单变量和多变量的独立预后分析,基于SLC16A12表达水平的风险评分,SLC2A9, IGF2BP2, EMX2, ANK3, METTL7A被认为是高度与RCC患者的预后相关。此外,我们执行时间ROC曲线。1年期、3年和5年的AUC ROC曲线是0.759,0.723,和0.733,分别(图3 (c))。临床ROC曲线,风险评分的AUC得分,阶段,年级,T阶段是0.759、0.824、0722和0.736,分别(图3 (d))。结果显示,该模型显示,对RCC病人良好的预测价值。随后,为了构建一个更好的预测工具,碾压混凝土的病人,我们建立一个诺模图基于临床特点和风险分数(图3 (f))。校准曲线表明,列线图显示了良好的预后预测价值RCC病人(图3 (e))。

3.3。探索临床特征之间的相关性和风险评分

的基础上参与预后预测模型的风险评分,RCC患者分为低收入和高危人群。的热图进行展示风险评分之间的相关性及临床特征,包括年龄,性别,年级,阶段,T阶段,N阶段,米阶段(图4(一))。结果显示,年级,阶段,T阶段,N阶段,米阶段密切相关的风险评分值小于0.05,而年龄和性别与风险评分显示没有明显的关系。对RCC病人参与高危人群,更高的风险评分与高品位,阶段,T阶段,米阶段。但是,对于N阶段,风险评分越高与低有关N阶段(数据4 (b)- - - - - -4 (h))。此外,我们也评估仅六prognosis-related RCC患者的预后价值。结果表明ANK3的高表达水平,EMX2, METTL7A, SLC2A9,和SLC16A12与更好的操作系统,而IGF2BP2的高表达与贫穷有关操作系统(数据4(我)- - - - - -4 (n))。

3.4。风险评分也强烈与免疫细胞浸润在RCC队列

随后,我们评估的潜在风险评分之间的关系和免疫细胞浸润在RCC队列。研究结果表明,天真的风险评分呈正相关B细胞,癌症相关的纤维母细胞,免疫的分数,米0巨噬细胞,米1巨噬细胞,和监管T细胞。然而,内皮细胞、造血干细胞激活肥大细胞,骨髓树突状细胞是负相关风险评分(数字5(一个)- - - - - -5 (k))。

3.5。勘探的潜在通路密切相关的关键基因

我们第一次评估的潜在通路基因参与风险评分,如SLC16A12 SLC2A9, IGF2BP2, EMX2, ANK3,和METTL7A GSVA富集分析。标志浓缩途径,结果表明SLC2A9呈正相关,大多数的途径,包括胆汁酸代谢、脂肪酸代谢、血红素代谢,脂肪形成,雄激素反应。然而,与大部分的分数负相关的风险通路,包括异型生物质新陈代谢,蛋白质分泌,过氧物酶体,血红素代谢和脂肪酸代谢(图6(一))。KEGG浓缩途径,结果表明SLC16A12 PPAR信号和SLC2A9呈正相关,mTOR信号通路,ERBB信号通路,VEGF信号通路,WNT信号通路B细胞受体信号通路。风险评分也消极与WNT信号通路相关,促性腺激素信号通路,MTOR信号通路,胰岛素信号通路,JAK-STAT信号通路(图6 (b))。对所有基因参与了米列模块,然后进行富集分析。去英国石油(BP)与脂质氧化密切相关,脂肪酸代谢过程,细胞氨基酸分解代谢的过程,和细胞醛代谢过程(图6 (c))。去CC、信息结细胞投影膜,顶端细胞的一部分,和刷状缘膜是最丰富通路(图6 (d))。在英国石油公司曼氏金融方面,离子跨膜转运活动,主动跨膜转运活动,有机酸跨膜转运活动,和同向转运活动在米列(图与基因密切相关6 (e))。

4所示。讨论

在碾压混凝土的发病率有增加随着时间的推移,与疾病的发病率为男性和女性十,第六分别占5%和3%的恶性肿瘤(19]。局部或局部晚期疾病患者,手术仍然是治疗的基石,然而大量的病人经历疾病复发(20.]。由于这些人的不良预后,研究已经进行了评估与佐剂和新辅助治疗能够实现除了手术单(21]。近年来,随着生物信息学分析方法的发展,在计算机分析医学研究已经应用在许多领域,包括疾病诊断、免疫疗法,治疗目标(22]。在这项工作中,我们的目标是探索潜在的碾压混凝土和免疫反应之间的关系。首先,通过执行WGCNA,我们发现许多模块基因与不同的几种细胞有关。此外,我们还发现米列与这两个密切相关的基因米0巨噬细胞,米1巨噬细胞,米2巨噬细胞。因此,米列选择所涉及的基因进行进一步分析。近年来,巨噬细胞被发现在碾压混凝土的发展起着关键的作用。前研究报道,米1巨噬细胞比例显著相关的阶段,肿瘤组织学分级碾压混凝土。此外,高表达的FCER1G ccRCC浸润密切相关的肿瘤微环境,抑制T细胞增殖和活化。结合FCER1G表达水平和巨噬细胞生物标志物CD68表达水平可能是有前途的术后患者的预后指标ccRCC [23]。在另一项研究中,通过模拟大量浸润的巨噬细胞,HK3激活ccRCC微环境,促进活跃的抗肿瘤免疫微环境特征(24]。

随后,基于操作系统和关键基因的表达水平在RCC队列,然后构建预后预测模型。结果表明,6个基因与RCC患者的预后密切相关,包括SLC16A12 SLC2A9, IGF2BP2, EMX2 ANK3, METTL7A。ROC曲线和生存分析证明了模型显示了碾压混凝土的良好的预测价值。此外,单变量和多变量独立预后分析证明了预后预测模型,以及临床特点,对RCC病人独立危险因素。为了进一步建立一个更好的碾压混凝土预后的预测模型,然后建立一个基于风险评分的计算图表和临床特点。我们进一步发现SLC16A12和IGF2BP2碾压混凝土的研究人员一直在研究队列。在先前的研究中,发现SLC16A12 ccRCC患者的不良预后因素。这些发现表明,SLC16A12可能是一个潜在的生物标志物和治疗目标ccRCC [25]。IGF2BP2, ccRCC进展和转移可以被直接绑定到被Circ-TNPO3 IGF2BP2蛋白质和不稳定SERPINH1 mRNA (26]。此外,我们的研究还发现,高表达水平的SLC16A12与更好的OS RCC的病人,虽然IGF2BP2的高表达与贫穷有关操作系统的碾压混凝土的病人。

此外,我们发现风险评分也与许多免疫细胞密切相关,如天真B细胞,癌症相关的成纤维细胞,米0巨噬细胞,米1巨噬细胞,和监管T细胞,这可能为RCC病人提供免疫治疗的目标。碾压混凝土的临床结果密切相关的免疫反应(27]。肿瘤浸润免疫细胞调节癌症恶化和显示一个潜在的预后价值,它们形成一个生态系统内的肿瘤微环境(28]。大量的研究已经证明,调节性T细胞可以有效地抑制效应的扩散T细胞在碾压混凝土29日]。除了巨噬细胞,肿瘤相关巨噬细胞在肿瘤的发展起着重要的作用。最近,治疗目标PD-1, CTLA-4和其他免疫检查点通路已经大大改善了mRCC患者的结果30.]。

最后,我们探讨潜在通路密切相关的关键基因。GSVA的结果显示,风险评分与WNT信号通路高度相关,促性腺激素信号通路,MTOR信号通路,胰岛素信号通路,JAK-STAT信号通路。前者研究的基础上,这些通路发挥重要作用在碾压混凝土的发展31日]。基本的一项研究发现,通过ITPKA1 mTOR信号通路被激活,促进肾细胞癌生长、迁移和入侵32]。同时,通过抑制PI3K / Akt / mTOR信号通路,蟾毒灵抑制肾细胞癌扩散和转移33]。

然而,有一些限制的生物信息学分析。首先,有限的网络数据集的数据可能会导致不同的结果的分析34]。此外,单一队列也可能导致偏见(35- - - - - -38]。因此,应该涉及更多的分析进一步促进的质量分析。

5。结论

在这个工作中,通过探索与免疫细胞密切相关的关键基因,我们发现的基因与巨噬细胞密切相关。此外,6-gene-based预后预测模型显示了良好的预测价值的患者参与了RCC队列。最后,潜在的途径关键基因可能为RCC免疫治疗提供新的见解。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

林后写的手稿。刘Xinyue分析数据。列出所有作者犯了一个重大的科学贡献的研究手稿,批准其索赔,并同意成为一个作家。

确认

这项研究是由通讯作者林侯。