文摘
肾上腺皮质癌(ACC)是一种罕见的恶性肿瘤预后差。Ferroptosis,一种新形式的细胞死亡,不同于其他形式的细胞死亡,在肿瘤进展起着至关重要的作用。我们的研究旨在建立一个在ACC ferroptosis-related签名与预后价值。RNA-seq数据和相应的临床特点为ACC TCGA下载和地理数据库。基因包含在ferroptosis风险签名是由单变量和多变量Cox回归分析评估以及套索回归分析。签名的预后价值ferroptosis风险评估使用km和ROC曲线。此外,我们执行GSEA发现高危人群的基因集富集。此外,计时器网站应用于检测可能的签名和免疫细胞渗透之间的联系。ssGSEA进行评估分数两组的免疫细胞和免疫细胞通路。ferroptosis签名组成的6个基因(SLC7A11 TP53,地狱,ACSL4 PCBP2, HMGB1)构建预测预后和ACC反映免疫渗透。 Patients in high-risk group were inclined to have worse prognosis. The ferroptosis model performed well in predicting prognosis and could be served as an independent indicator in ACC. GSEA revealed that gene sets correlated with biological processes including cell cycle, DNA replication, base excision repair, and P53 signaling pathway were highly enriched in high-risk group. In addition, we discovered that the expressional levels of hub genes were linked to six immune cells’ infiltration in ACC tumor. ssGSEA revealed that contents of most immune cells significantly decreased in the high-risk group. In conclusion, the novel ferroptosis risk signature could be useful in predicting prognosis and reflecting immune infiltration in ACC. It also brings us new insights into the possible value of targeting ferroptosis during the therapy of ACC.
1。介绍
肾上腺皮质癌(ACC)是一种罕见的和激进的恶性肿瘤来源于肾上腺皮质的预后(1]。虽然对ACC病人有利与米托坦接受完整的手术切除或治疗,5年生存率小于40%2,3]。同时,预后不同基于年龄、手术的范围,有丝分裂强度和激素分泌。目前肿瘤、淋巴结和转移(TNM)分类方法是不可靠的预测预后ACC患者由于异构特性。很难作出准确的预测对ACC病人由于各种致病因素,异质性高,预后不良。因此,必须找出更有效的预测预后的生物标志物ACC的病人。
Ferroptosis是调节细胞死亡的小说iron-dependent形式随着铁积累和脂质过氧化作用[4]。方面的形态学、生物化学和遗传学、ferroptosis不同于其他形式的细胞凋亡等细胞死亡,necroptosis,自噬,pyroptosis [5]。新兴研究表明ferroptosis初级涉及神经系统紊乱和大量的癌症6,7]。最近一些研究开采识别预后签名的在线数据库基于ferroptosis-related基因在不同癌症。罗等人产生了一个新的ferroptosis-related签名,可能在葡萄膜黑色素瘤患者预后预测(8]。预测轻度神经胶质瘤的预后,郑等人建造了一个签名,包括12 ferroptosis-associated风险基因(9]。但是,还没有研究已经确定ferroptosis-related基因是否与ACC病人的预后。
首先,我们下载的mRNA表达数据和相关临床信息ACC病人从公共数据集。然后,基于ferroptosis-related与总生存期(OS)相关的基因的癌症基因组图谱(TCGA)队列,我们开发了一个签名和验证预后风险基因表达综合(GEO)。我们进一步进行基因集富集分析(GSEA)探索底层机制。最后,我们评估预后之间的潜在关联基因和免疫细胞基于肿瘤免疫评估资源(计时器)。
2。方法
2.1。数据收集
作为训练集,TCGA数据库应用于收集mRNA表达及相关临床病理的数据79年ACC的病人。此外,21 ACC患者生存地理信息数据库(GSE19750)作为验证集。辅料表检索S1列出了详细的临床资料。130年ferroptosis-associated基因从GeneCards下载列表详细表S2。没有道德的批准是必需的,因为我们使用的数据从公共数据库。
2.2。建立和验证预后Ferroptosis风险的签名
构建风险ferroptosis签名在ACC患者中,单变量Cox回归分析应用于评估ferroptosis-associated基因和操作系统之间的关系。PPI网络图的候选人预后ferroptosis-related基因是使用字符串在线数据库,探索这些基因之间的关系。Ferroptosis-related基因与值< 0.05的单变量分析被视为候选基因,加入了lasso-penalized Cox回归分析缩小基因程度与独立的预后价值。进一步多变量Cox回归分析被用来消除可能的候选基因之间的相互作用,得到的系数。每个病人的风险评分值是由下列公式计算:
系数被多变量Cox回归系数计算。为每个单独的风险评分计算,TCGA总病人和GEO数据库被分配到高和低风险组中值显示风险评分值。采用PCA和t-SNE探索风险模型是否有可靠的集群能力。生成的kaplan - meier (km)曲线比较两组的生存差异。此外,接受者操作特征(ROC)曲线和ROC曲线下面积(AUC)是用于评估风险的预后价值签名ACC系统的病人。此外,我们进行单变量和多变量Cox分析确定风险评分系统可以作为一个独立因素。我们进一步应用地理数据来验证上述结果通过相同的方法。
2.3。GSEA
我们的风险评估潜在的分子机制签名,GSEA应用识别丰富条款与KEGG通路在高危组。重要基因集被归类为归一化富集得分(NES) > 1和最小值< 0.05。
2.4。计时器和ssGSEA
定时器是一个综合网站,它可以测量免疫水平渗透在各种癌症,包括ACC。在我们的研究中,我们评估中心ferroptosis-related基因之间的相关性的内容6免疫细胞,包括CD4 + T细胞、CD8 + T细胞、B细胞,中性粒细胞,树突状细胞和巨噬细胞通过定时器gg。13 ssGSEA进行评估分数的几种途径和16两高危人群的免疫细胞。
3所示。结果
3.1。建设风险Ferroptosis签名
流程图的研究显示在补充图S1。构建风险ferroptosis签名并探索其预后价值在ACC患者中,共有94个重叠ferroptosis-associated基因来源于TCGA和GEO数据库保存进行进一步分析。然后,单变量Cox回归分析进行评估之间的关系这些94个基因的表达水平与ACC临床生存TCGA信息数据集。我们发现31 ferroptosis-associated基因与操作系统相关的ACC病人(图1(一), )。图1 (b)显示PPI网络表明TP53, HMGB1 CDKN2A, MAPK1中心基因。该协会在这些基因表现出图1 (c)。11 ferroptosis-associated基因终于套索回归分析(图后保留1 (d))。此外,通过进一步的多变量Cox回归分析来消除可能的候选基因之间的相互作用,六个基因(SLC7A11 TP53,地狱,ACSL4 PCBP2, HMGB1)筛选( ),暗示他们强烈相关性ACC系统的病人(图1 (f))。多变量Cox回归系数和六个ferroptosis-associated基因的表达水平被用来构造一个ferroptosis风险模型。风险评分计算的公式如下:风险得分= (0.88∗SLC7A11) + (0.50∗TP53) +(1.37∗地狱)−(1.37∗ACSL4) + 1.06 (∗PCBP2) + (1.55∗HMGB1)。
(一)
(b)
(c)
(d)
(e)
(f)
3.2。预后TCGA Ferroptosis风险特征的性能
见图2(一个),大多数ferroptosis-associated基因与更高的风险评分TCGA队列。基于风险评分中位数,TCGA被分配到高/低风险组(图2 (b))。高风险类患者有更高的死亡率比低风险类(数据2 (c)和2 (d))。PCA和t-SNE表明,个体在不同类别分布在不同的方向(数字2 (e)和2 (f))。此外,患者在高危人群倾向于有较短的操作系统比低风险组(图2 (g))。此外,AUC在1年,TCGA达到0.909,0.947 3年,分别在5年和0.968(图2 (h))。这些结果表明,小说ferroptosis签名有一个明确的风险预测ACC患者的预后的影响。km曲线为每个六中心基因包含在风险模型中演示了ACC补充图S2表明低表达SLC7A11 ACSL4和高表达,TP53地狱,PCBP2, HMGB1与贫穷有关生存。考虑异质性ACC的病人,我们进一步评估风险ferroptosis签名是否有很好的性能在预测预后的ACC患者在不同的阶段。如补充图所示S3,患者在高危人群有较短的操作系统比低风险组在这两个阶段1 - 2组( )和舞台3 - 4组( ),表明我们ferroptosis风险签名也表现良好在预测预后的ACC患者在不同的阶段。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
3.3。GEO Ferroptosis风险签名的验证
在地理群体,ferroptosis-associated热图显示大部分的基因也与更高的风险评分(图3(一个))。同样,ACC GEO患者被分为两组(图3 (b))。同样,PCA和t-SNE地理分析表明,病人用不同的风险分数分布在不同的方向(数字3 (e)和3 (f))。如图3 (g),操作系统的患者在高风险类明显短于低风险组的患者在地理群( )。此外,中华民国曲线是评估风险模型的预测性能。AUC的1 -,3 - 5年在地理群体分别为0.618,0.899和0.945,分别指示签名有一个有利的风险能力在预测预后的ACC病人(图3 (h))。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
3.4。独立的预后价值Ferroptosis风险签名
我们进行了单变量和多变量Cox回归分析来观察是否临床特征(如年龄、性别、T、N M,和阶段)和操作系统的风险评分是独立的预后因素。我们发现风险评分和T分期在TCGA队列独立预后预测的操作系统。拥有范围狭小的临床参数,进一步进行Cox回归不是评估地理群的预后价值。此外,我们研究了六个ferroptosis-associated基因之间的相关性与ACC的病理T分期的病人。热图显示六ferroptosis-associated基因的表现概要文件在不同的T分期在TCGA队列(图4 (c))。画的图4 (d)主要ferroptosis-associated基因的表现水平,除了ACSL4,被认为是一个保护基因,通常是在ACC病人在先进的T分期。我们进一步的预测效率相比ferroptosis风险特征与其他常见的预后因素,包括年龄、性别、T、N, M,舞台。如图4 (e)风险,我们ferroptosis签名(AUC = 0.909)展示了更好的预测ACC病人的操作系统比年龄1年(AUC = 0.707),性别(AUC = 0.438), T分期(AUC = 0.649), N分期(AUC = 0.438), M分期(AUC = 0.528),和舞台(AUC = 0.587)。这些结果表明,我们的风险特征表现好于其他常见预后特点。
(一)
(b)
(c)
(d)
(e)
3.5。GSEA识别Ferroptosis-Associated信号通路
我们进行了GSEA比较两组之间的生物信号通路。是值得注意的基因集富集与细胞周期有关,基本切除修复、DNA复制,P53信号通路在高危人群高纯度,TCGA和地理数据集(数字5(一个)和5 (b)。
(一)
(b)
3.6。Ferroptosis-Associated基因和免疫渗透之间的关系
大量研究表明,癌症相关的免疫细胞的浸润与肿瘤发展和预后有关。识别是否存在免疫渗透和联系中心基因的表现水平,我们使用计时器来评估6中心基因和肿瘤之间的关系纯洁连同6类型的免疫细胞。展示图6(a),我们发现SLC7A11表达之间的联系和渗透的B细胞水平(r= 0.273,= 1.94e−02),CD8 + T细胞(r=−0.007,= 9.55e−01),CD4 + T细胞(r=−0.037,= 7.55e−01)、巨噬细胞(r= 0.106,= 3.72e−01)、中性粒细胞(r= 0.051,= 6.69e−01)和DCs (r= 0.206,= 8.06e在ACC−02)。除此之外,其他5个中心ferroptosis-associated基因(TP53地狱,ACSL4 PCBP2, HMGB1)包含在签名还显示与B细胞的浸润水平显著相关(r= 0.159至0.387, ),CD8 + T细胞(r=−0.078至0.211, ),CD4 + T细胞(r=−0.019至0.293, ),巨噬细胞(r=−0.155至0.304, ),中性粒细胞(r= 0.044至0.257, ),和DCs (r= 0.206, )在ACC(数据6(b) -6(f))。总之,这些结果表明,这六个中心基因在不同程度上ACC微环境与肿瘤相关的免疫细胞。
(一)
(b)
(c)
(d)
(e)
(f)
来确定我们的签名和免疫微环境条件之间的关系在ACC,我们进一步执行ssGSEA评价得分16 TCGA群体免疫细胞和13的几种途径。我们发现的内容大多数免疫细胞在高危人群,包括adc, B细胞、CD8 + T细胞,idc,肥大细胞,中性粒细胞,NK细胞,髓,辅助T细胞,Tfh, Th2细胞,和Treg显著低于低风险组(图7(一))。此外,得分最多的几种途径降低高危人群(图7 (b))。上述结果显示免疫抑制微环境在ACC高危患者的分数。
(一)
(b)
4所示。讨论
ACC是一种罕见的内分泌恶性肿瘤预后差。早期诊断,更有效的治疗,准确预测ACC,新颖的生物标志物,和预后签名是必需的。虽然有一些单基因和风险模型与ACC病人的预后,没有ferroptosis-related风险签名在ACC报告预测预后。在我们的研究中,103个ferroptosis-related基因之间的关系和操作系统以及免疫细胞浸润ACC病人进行调查。新的预后风险签名包括六ferroptosis-associated基因与免疫细胞浸润在ACC病人首先构造。
Ferroptosis,一种新型的细胞死亡形式,强调铁的合成和代谢的重要性,它在2012年首先提出的。的发现独特的细胞死亡形式,大量的研究集中于探索潜在的机制和治疗相关ferroptosis在多种癌症。先前的研究表明,ferroptosis还开辟了一个新的潜在的癌症发展和治疗[大道10,11]。此外,ferroptosis-related基因的表现水平GPX4和敏感性ferroptosis在ACC显著增加,表明ACC病人可能容易受到诱导ferroptosis [12]。在这项研究中,我们构建了一个新的ferroptosis签名与强大的风险价值的预测首次ACC病人的预后。此外,风险签名有更好的预后效率比其他常见的预后因素,包括年龄,性别,T, N, M, ACC阶段的病人。六个ferroptosis-related基因采用风险签名包含风险相关的基因(PCBP2 SLC7A11 TP53,地狱,HMGB1)和保护性基因(ACSL4)。
这些中心基因可以大致分为四类,包括铁代谢(PCBP2),脂质代谢(ACSL4地狱),(反)氧化剂新陈代谢(SLC7A11, HMGB1)和癌症新陈代谢(TP53) [11]。其中,肿瘤蛋白质p53 (TP53)作为一种重要的肿瘤抑制癌症发展和进展。除了对细胞凋亡和细胞周期的影响,TP53可以在转录调节癌症ferroptosis双重方式或转译后的水平(13]。通过瞄准DPP4 P21和诱导表达,TP53可以抑制ferroptosis。相反,可以增强ferroptosis TP53的抑制作用对溶质载体家庭7成员11 (SLC7A11)在癌症14]。此外,过度SLC7A11,高表达在一些癌症,包括ACC,抑制活性氧引起的ferroptosis [14,15]。解旋酶淋巴特定(地狱,被称为激光冲徊化),染色质重塑,是显示与晚期和胰脏癌预后差,肝细胞癌和鼻咽癌(16- - - - - -18]。在肺癌中,江泽民等人证实,地狱可以通过刺激SCD1 ferroptosis-associated基因和抑制ferroptosis FADS2 GLUT1和脂质代谢相关基因(19]。保利(rC)结合蛋白2 (PCBP2),一个rna结合适配器蛋白质,可以绑定和交付铁铁蛋白用于存储。更高水平的与预后差PCBP2连接在胶质母细胞瘤和胃癌20.,21]。高机动组框1 (HMGB1),核蛋白质,释放下接触ferroptosis活化剂(22]。你们等人发现,HMGB1小说调节器的ferroptosis通过RAS-JNK / p38通路在白血病(23]。此外,酰coa合成酶长链家庭成员4 (ACSL4) ferroptosis至关重要的蛋白质,是过表达和作为一个独立的预后指标在各种癌症24]。据报道,ACSL4既是一种敏感的监管机构和一个有效的诱导物ferroptosis [25]。简而言之,以前的研究显示,这六个基因与ferroptosis与肿瘤发生密切相关,提供强大的理论基础为我们的风险模型基于ferroptosis-related基因。此外,据报道,ACC与p53异常信号和频繁的在TP53基因改变26]。在研究基于91年ACC的综合基因组特征患者,TP53体细胞变化被报道是最常见的基因与基因改变(27]。TP53 p。R337H突变患儿ACC中非常普遍,占90%的ACC病例在巴西南部[28]。尽管有限的研究聚焦于这六个中心在ACC基因的影响已经出版,我们发现SLC7A11 ACSL4和高表达的低表达,TP53地狱,PCBP2,和HMGB1与可怜的OS的ACC在我们的研究中,患者和强调机制需要进一步研究。此外,据报道,肾上腺皮质细胞极为敏感ferroptosis由于steroidogenic属性。米托坦,是唯一可用的药物用于治疗ACC,无法引起ferroptosis [15]。因此,它可能会非常有前途的新药发展中诱导ferroptosis ACC的。
根据最近的研究,ferroptosis可能在肿瘤免疫治疗中扮演着重要的角色29日- - - - - -31日]。干扰素γ发布的CD8 + T细胞,调节脂质过氧化和ferroptosis-related通路在肿瘤。多项研究表明,细胞的情况下ferroptosis可以调节抗癌免疫力免疫细胞通过释放趋化作用与之交互,如NK和CD8 + T细胞(30.,32]。此外,一项研究报道,铁代谢相关基因FPN1和CP可能参与肿瘤免疫微环境的ACC (33]。值得注意的是,我们提到ferroptosis-related基因签名与免疫细胞有显著的关联,这意味着在ACC ferroptosis和免疫微环境是复杂的。同时,免疫细胞和免疫细胞功能的低分数高危人群建议高危患者免疫抑制微环境在ACC分数,暗示,患者的不良预后的高危人群可能造成的免疫抑制状态。然而,之间的潜在机制ferroptosis-related ACC基因和肿瘤免疫仍知之甚少,值得进一步研究。
据我们所知,这是第一个研究旨在构建和验证ferroptosis签名ACC患者的风险。这些结果显示,我们的ferroptosis风险签名可以被视为一个强大的工具,预测预后和反映在ACC免疫渗透。然而,有几个限制在我们的研究中。首先,我们的研究是回顾性基于公共数据集,所以还需要进一步的大规模前瞻性研究和临床试验进行验证的预测能力。此外,机制如何ferroptosis调节ACC的发展不是由功能验证的实验。因此,还需要进一步的研究来证实我们的发现和探索底层机制之前在临床实践中的应用。
数据可用性
RNA-seq数据和临床信息收集用于支持本研究的发现的癌症基因组图谱(TCGA) (https://cancergenome.nih.gov/)和基因表达综合(GEO)库(GSE19750)。
的利益冲突
作者宣称没有利益冲突。
确认
这项工作是支持的关键江苏省社会发展项目(没有。BE2017736)。
补充材料
图S1:这项研究的流程图。图S2: km曲线为每个6中心基因在ACC的病人。图S3: kaplan meier曲线对病人分配到高和低风险组基于TCGA队列的风险评分。表S1: TCGA ACC患者的临床特点和地理。表S2: 103 ferroptosis-related基因从GeneCards下载。(补充材料)