文摘
由于肿瘤的异质性,我们不理解给定pyroptosis对肝细胞癌(HCC)的影响,特别是其对预后的影响。本文旨在探索pyroptosis-associated基因的预后价值及其在肝细胞癌的免疫状态。基因预测签名设置利用最少的绝对收缩和选择算子考克斯探索。生存风险不同组之间的比较是用kaplan meier勘探和Cox回归。采用套索Cox回归分析建立pyroptosis-associated基因签名(CEP55和MMP1)。通过比较与集团在低风险,大大降低了操作系统显示的高危人群。的预言的能力预后基因签名确认receiver-running特性曲线分析。根据多变量Cox勘探,马克是一个独立的预测风险代理操作系统。建立一个新的签名有两个pyroptosis-associated基因可以采用预后预测和影响肝细胞癌的免疫状况。
1。介绍
恶性肿瘤肝细胞癌(HCC),是第五个最常见癌症和第二个全世界癌症相关死亡的主要原因。肝癌大多是欠发达地区大约83%的问题仅在中国(或50%)854000年全球新癌症病例发生在2018年。是第二个最常见的癌症死亡原因,据预测,HCC监督2018年将近810000人死亡(所有癌症死亡人数的8.2%)。因此,肝癌中所占比例仍显示预后很差,总死亡率发生率为0.95 (1,2]。在过去的三十年,肝细胞癌患者的发人深省的结果并没有显著提高,因为高异质性。考虑到不良预后,尤其是对于晚期肝癌患者,肝癌的发生的分子机制迫切需要被理解。
作为程序性细胞死亡调节gasdermin, pyroptosis特征如不断扩大细胞到细胞膜的破裂,导致释放细胞数量,和刺激炎症反应。作为一种重要的天然免疫反应的身体,pyroptosis施加一个重要影响对抗肿瘤。然而,pyroptosis对肝癌生长的影响和预后仍不确定。在这个研究中,我们试图挖掘pyroptosis之间的相关性和肝癌的外观和增长,建立预测模型,为治疗肝癌提供了一个新奇的想法。
本文使用两个独立的肝细胞癌组的数据:癌症基因组图谱(TCGA) (https://portal.gdc.cancer.gov/repository),国际癌症基因组协会(ICGC) (https://dcc.icgc.org/projects/LIRI-JP)。Pyroptosis-associated基因(n从之前的评论= 52)得到3- - - - - -6]。TCGA队列用于探索肝癌的预后价值相关的基因。基因与 - - - - - -值< 0.05验证了单变量Cox回归勘探被认为prognostic-associated基因(PRGs) [7- - - - - -12]。接下来,PRGs符合集群探索集群+ R包”的共识。“总生存期(OS)不同亚型之间多样性kaplan meier方法进行了分析。采用卡方检验比较不同高危人群的临床特点。R包“limma”(罗斯福< 0.001)被用来识别差异表达基因不同亚型之间(度)。
2。建立和验证的预后Pyroptosis-Associated基因签名
TCGA样本分为两组,1:1随机:训练队列和内部验证数据集(13- - - - - -15]。基因与操作系统相关的培训组与单变量Cox回归勘探和过滤器 - - - - - -值设置为<0.05。绝对最小的收缩和选择算子(套索)算法采用消除prognosis-associated基因之间的过度拟合,减少prognosis-associated基因的范围惩罚系数进行优化通过10倍的卖空R包的基础上“glmnet”。患者在低和高的风险分为组的基础上平均风险标志。表1展示了培训和内部验证军团之间的临床病理特征。
个人的基因表达值加权的LASSO-Cox参数包括建立风险模型。风险的计算每个样本的标志是由我们公式的基础上,和R包采用“timeROC”阴谋的风险分布。接下来,样品都放入组平均值在高和低风险的风险。两组之间的生存多样性而long-rank测试。kaplan meier(公里)生存曲线是用来使每组的操作系统。“统计数据”中的“prcomp”角色R包采用PCA 2基因签名的基础上。
功能增强的探索团体之间的度是执行16- - - - - -19]。样品被放入两个子组基于平均风险标志。过滤组之间的度在低和高的风险是由给定的标准基础上的(| log2FC |≥1和罗斯福< 0.05)。这些度的基础上,ssGSEA是用“gsva”包计算浸润免疫细胞的标志和评估immune-associated路径的活动。
3所示。实验结果
3.1。TCGA识别度的群体之间的正常和肿瘤组织
52 pyroptosis-associated基因表达的比较区段之间的TCGA队列是由正常和肿瘤组织,和42(度)(所有的差异表达基因 )是公认的。图1显示的表达式33 pyroptosis-associated度和它们之间的相互影响。
3.2。肿瘤分类的基础上度
所有肝癌患者可以分为不同的集群的基础上42度系数与各种临床和预后。图2显示肿瘤分类的基础上pyroptosis-associated度。
3.3。构建一个预后风险模型和肝癌组织验证
首先,建设风险标记模型的基础上训练队列。一元每度Cox回归了。有154个基因被认为是肝细胞癌患者的操作系统的危险元素。接下来,基因的数量缩小与LASSO-Cox回归勘探构造我们的风险标记模型。在这个模型中有两个基因。这个模型公式如下所示:风险= 0.406CEP55 + 0.022可以。根据上述公式,高表达的区段CEP55和MMP1预后相关的风险元素高的风险。的分配每一个病人的风险标记后获得计算每个病人的风险标记的训练队列。根据主成分分析(PCA),患者各种风险隔离成两个集群。一个积极的马克和死亡风险之间的联系。分析公式的预后预测效力了1,2,根据图3年3(f)。该模型显示一个相对较高的值曲线下的地区(AUC): 0.805以上。此外,患者训练队列中放入组在低和高的风险的基础上,他们的风险。公里的生存曲线也在图3。一个伟大的多样性在两组之间的生存可能性(P根据图发现= 0.003)3。标志着在高风险患者大大恶化相关操作系统,表明高风险马克是一个有害的预后因素。图3显示的建设风险签名TCGA训练队列。
3.4。内部和外部验证评估风险模型的鲁棒性
图4内部验证。首先,风险模型的鲁棒性,构造验证以上TCGA的内部验证队列如图(一)所示。两者之间的主成分分析显示合格的隔离子图(b)的数据4(一)和4 (c)显示高风险马克病人显示更糟糕的是操作系统,符合训练队列。ROC曲线显示预后预测的有效性,1 - 2 -,3 -年的三个外部验证组如图4 (e)。此外,预后预测的力量1,2,3年内部核查队列分析通过生成中华人民共和国根据图曲线4 (e)。模型显示一个伟大的AUC的超过0743。中等风险的基础上,患者被分成组在高和低风险。公里曲线采用的操作系统的比较两组在图4 (d)。高危组患者显示明显恶化生存结果通过比较与低风险组 。一个外部数据集采用风险评估的可靠性模型应用ICGC数据集。类似的结果,高风险马克与糟糕的操作系统获得ICGC队列。模型显示一个相对较高的区分能力可以识别高危组患者的预后和生存更糟糕的结果ICGC队列。两组显示伟大的多样性 ICGC队列。
(一)
(b)
(c)
(d)
(e)
3.5。独立的预后价值的风险模型
马克源于基因签名模型风险是否可以使用作为一个独立的预后因素进行单变量和多变量Cox回归探索。根据单变量Cox回归分析探索,马克是一个独立的风险因素预测TCGA中贫穷的生存训练,TCGA内部验证和ICGC军团(HR = 9.886, 95% CI: 4.260—-22.943,人力资源:5.519,95%置信区间CI: 2.298 - -13.258和人力资源:5.265,95% CI: 2.676—-10.359)。多元探索还表示,修改为其他混杂因素后,马克是一个预后风险元素(HR = 7.657 95%置信区间:2.930 - -20.012,HR = 3.773 95%置信区间:1.461 - -9.740,和人力资源:4.508,95% CI: 2.221—-9.150)肝癌患者在三个军团。此外,后生成的热图TCGA组的临床特点,肿瘤分化肿瘤阶段的多样化分布度之间的子组 在低和高的风险。图5显示外部验证。
(一)
(b)
(c)
(d)
(e)
3.6。免疫状态和肿瘤微环境分析
探索风险之间的关联标记和免疫状况,增强标志着不同的免疫细胞亚群,相关角色,或者路径与ssGSEA量化。有趣,抗原呈递过程,如APC_co_stimulation的标志,CCR, MHC_class_I, T_cell_co-stimulation, adc,巨噬细胞,Tfh, Th1_cells,和Th2_cells显然不同的群体之间的低和高的风险,TCGA训练队列(所有修改 )。此外,II型干扰素的答案和NK细胞显示组中的一个较低的分数高的风险,而检查点的活动分子,巨噬细胞的标志,或Treg细胞恰恰相反(修改 )。TCGA的结果比较在内部验证群就像TCGA的训练队列之间的两个风险组。图6显示cox回归探索风险标志。图7显示了风险的热图组。图8显示了比较ssGSEA标记的免疫细胞和免疫路径。
(一)
(b)
(c)
(d)
(e)
(f)
(一)
(b)
(c)
(d)
4所示。数据分析、结果和讨论
慢性感染的肝脏导致肝炎和肝硬化的逐渐增长,从而提高肝癌的进展。因为肝癌是一个极大的原发肿瘤肝、传统的肿瘤分期方法无法预测HCC预后好。最近,越来越多的注意力都集中在分子类型的肿瘤。大量的分子签名已经设立相关肝细胞癌。因此,GC细胞的预后和机制之间的关系探讨了促进治疗。
肝细胞癌(HCC)是一种常见的和高度恶性肝肿瘤发病率最高的在亚洲和非洲,肝炎病毒流行;然而,肝癌的发病率在北美和欧洲近年来也一直在增加。虽然只是一个小肿瘤在一些患者可以完全移除手术,预后仍然是穷人。近年来,许多生物预后分子标记结合临床指标被发现。到目前为止,没有研究比较这些分子标记的预测能力。基于临床分期系统参数已被证明为预后预测价值有限。为了提高预测能力的临床分期系统,研究人员探索不同的集成预测到原始的模型。目前,超过10预后分级系统出现,包括TNM分期系统,Vauthey简单肝癌分期系统,Izumi-improved分期系统肿瘤转移,剪辑系统分期系统,CUPI预后指数分级系统,JIS分期系统,BCLC分期系统,和法国的分期系统。奥田硕分期系统被广泛使用,因为它的简单性和可靠性和仍被认为是最成功的分期系统。在肿瘤TNM分期取得了巨大的成功举办非肝癌。 However, because it mainly considers the factors of the tumor itself, the lack of consideration for the external factors of the tumor (such as liver function reserve, etc.) largely limits its application in liver cancer. Such improved staging systems (e.g., CUPI staging) add clinical features (e.g., ascites) and symptoms to TNM staging. Takanishi et al. compared the existing staging systems and found that CLIP staging has a good performance for prognosis prediction. However, some researchers believe that CLIP staging is not significant for guiding postoperative treatment. Marrero et al compared 7 staging systems through the prognostic follow-up of 239 patients with liver cancer after surgery, found that clinical status, tumor size, liver function, and treatment are independent factors affecting tumor prognosis and found that the BCLC staging system included almost all factors. Cases perform best. In conclusion, different staging systems have their own advantages. The combined application of different prognostic factors and the search for more effective prognostic factors are still the hope of liver cancer prediction.
在这篇文章中,42度是从TCGA的筛选。42度的表达水平的基础上,训练队列,聚集成两个亚型。为探索不同亚型之间的分子多样性,不同亚型的度进一步确认。根据单变量Cox分析,154度与总生存期。套索回归采用探索建立一个预测模型结合2 pyroptosis-related基因(CEP55和MMP1)。中等风险的基础上,患者被分成组在低和高的风险。根据多变量Cox回归勘探,马克是一个独立的预测风险代理操作系统。免疫状态有关,进一步评估风险评分。midbody-associated蛋白质的55 kDa, CEP55 (Centrosomal蛋白质55)由464氨基酸和施加重大影响控制DNA损伤和物理胞质分裂。CEP55进行靶向治疗与不良预后相关,被证明能增加肿瘤细胞肺癌能动性和入侵,食管鳞状细胞癌,乳腺癌细胞和骨肉瘤。 Similar outcomes are discovered in liver cancer. Upregulation of CEP55 predicts dismal prognosis in patients with liver cancer. CEP55 drives cell motility via JAK2-STAT3-MMP cascade in hepatocellular carcinoma. Upregulating CEP55 forecasts dismal prognosis among patients with liver cancer. In the current research, there is a CEP55 gene in our risk model.
在正常情况下,金属蛋白酶- 1的积极率很低,但是它可以高度不同刺激下表达。研究显示,金属蛋白酶- 1的表达与恶性肿瘤的预后。我们的研究表明过度金属蛋白酶- 1可能在HCC生长生存的风险。
5。结论
两个pyroptosis分子亚型在HCC患者不同的预后。二基因签名相关的风险模型与一个优秀的肝细胞癌患者的预后预测构造。我们的模型是由两个基因,一些基因应当采用预后预测模型。然而,我们的研究有一些限制。首先,我们的结果是公共数据库的基础上,没有自己的队列数据进行验证。第二,我们的发现缺少实验验证。最后,我们的结果应得到更多的临床前研究和潜在的临床测试确认。
数据可用性
仿真实验数据用于支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突有关的出版。